FCOS

FCOS

完全卷积单阶段对象检测技术

FCOS算法是一种完全卷积的单阶段对象检测方法,通过避免使用锚点框,提高了检测性能和速度。在COCO minival数据集上,FCOS实现了46FPS和40.3的AP评分,并在各种模型和硬件上表现出色,包括ResNe(x)t和MobileNet等。与Faster R-CNN相比,FCOS在ResNet-50平台上表现更佳(38.7对36.8的AP),且训练和推理时间更短。该项目已基于Detectron2实现,并引入了多项优化和改进。

FCOS目标检测卷积神经网络ResNet-50性能提升Github开源项目

FCOS 项目介绍

项目背景

FCOS(Fully Convolutional One-Stage Object Detection)是一个创新的目标检测算法项目。它于2019年由Zhi Tian、Chunhua Shen、Hao Chen和Tong He在国际计算机视觉会议(ICCV)上提出。该算法旨在简化目标检测过程,并在性能上比起传统的方法有显著提升。

项目特色

  • 无锚点设计:FCOS摒弃了复杂的锚点框架计算和调整,简化了模型设计,同时减少相关超参数的设置。
  • 优越的性能表现:尽管结构简单,FCOS在性能上超越了更复杂的Faster R-CNN模型,如在ResNet-50上,FCOS的均值平均精度(AP)为38.7,而Faster R-CNN仅为36.8。
  • 加快训练与测试速度:在相同硬件条件下,FCOS所需训练时间较短,同时每张图片的推理时间也减少约12毫秒。
  • 领先的性能表现:最优的FCOS模型基于ResNeXt-64x4d-101及可变形卷积,可在COCO测试集上达到49.0%的AP。

最新动态与更新

项目不断更新以增强模型功能和性能,例如:

  • FCOS与快速和多样性(FAD)神经架构搜索相结合。
  • 新的非极大值抑制(NMS)技术,提升了基于ResNe(x)t与MobileNet模型的运行速度。
  • 多个新模型发布,包括结合了AutoML搜索的FPN与HRNet等。

硬件需求与安装

项目推荐使用8个Nvidia V100 GPU进行训练,不过由于FCOS的内存高效性,4个1080Ti GPU也能胜任如ResNet-50-FPN的训练。用户若仅将FCOS用作检测器,仅需安装Pytorch,并执行简单的pip命令即可。

快速演示与推断

用户可以通过快速的安装步骤,下载预训练模型,并运行简单的Python脚本来进行FCOS的快速演示。对于推断任务,项目提供了简单的命令行接口,支持多GPU的推断设置。

模型与训练

项目中提供了不同模型的预训练权重,用户可以根据需求下载并使用。对于模型训练,用户可以根据提供的命令行在多GPU环境下进行训练,并根据需要选择不同的backbone。

贡献与引用

项目欢迎开发者贡献代码或提交问题。此外,对于在研究中使用本项目的用户,建议引用相应的论文以致敬原作者的工作与贡献。

许可协议

该项目在学术领域遵循BSD两项条款许可协议。对于商业用途,请联系项目作者获取相应许可。

致谢

项目开发得到了多个社区贡献者的宝贵建议和代码贡献,特别感谢中心采样和GIoU技术的支持。

通过FCOS的简化设计和强大的检测性能,该项目为目标检测领域带来了新的视角和可能性,是目标检测技术的重要进展。

编辑推荐精选

openai-agents-python

openai-agents-python

OpenAI Agents SDK,助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK,它为开发者提供了与 OpenAI 模型交互的高效工具,支持工具调用、结果处理、追踪等功能,涵盖多种应用场景,如研究助手、财务研究等,能显著提升开发效率,让开发者更轻松地利用 OpenAI 的技术优势。

Hunyuan3D-2

Hunyuan3D-2

高分辨率纹理 3D 资产生成

Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具,支持从文本描述、单张图片或多视角图片生成 3D 模型,具备快速形状生成能力,可生成带纹理的高质量 3D 模型,适用于多个领域,为 3D 创作提供了高效解决方案。

3FS

3FS

一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。

3FS 是一个功能强大的分布式文件系统项目,涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作,如创建文件和目录、设置布局等,同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景,能够提高系统的性能和可靠性,是分布式存储领域的优质解决方案。

TRELLIS

TRELLIS

用于可扩展和多功能 3D 生成的结构化 3D 潜在表示

TRELLIS 是一个专注于 3D 生成的项目,它利用结构化 3D 潜在表示技术,实现了可扩展且多功能的 3D 生成。项目提供了多种 3D 生成的方法和工具,包括文本到 3D、图像到 3D 等,并且支持多种输出格式,如 3D 高斯、辐射场和网格等。通过 TRELLIS,用户可以根据文本描述或图像输入快速生成高质量的 3D 资产,适用于游戏开发、动画制作、虚拟现实等多个领域。

ai-agents-for-beginners

ai-agents-for-beginners

10 节课教你开启构建 AI 代理所需的一切知识

AI Agents for Beginners 是一个专为初学者打造的课程项目,提供 10 节课程,涵盖构建 AI 代理的必备知识,支持多种语言,包含规划设计、工具使用、多代理等丰富内容,助您快速入门 AI 代理领域。

AEE

AEE

AI Excel全自动制表工具

AEE 在线 AI 全自动 Excel 编辑器,提供智能录入、自动公式、数据整理、图表生成等功能,高效处理 Excel 任务,提升办公效率。支持自动高亮数据、批量计算、不规则数据录入,适用于企业、教育、金融等多场景。

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用,可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用,基于 UI-TARS(视觉语言模型)构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能,支持跨平台使用(Windows/MacOS),能提供实时反馈和状态显示,且数据完全本地处理,保障隐私安全。该应用集成了多种大语言模型和搜索方式,还可进行文件系统操作。适用于需要智能交互和自动化任务的场景,如信息检索、文件管理等。其提供了详细的文档,包括快速启动、部署、贡献指南和 SDK 使用说明等,方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目,支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项,可调整分辨率、扩散步数等参数,还能对提示词进行增强。使用了多种先进技术和工具,在视频和图像生成领域具有广泛应用前景,适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具,助力用户轻松创作高颜值图表

爱图表(aitubiao.com)就是AI图表,是由镝数科技推出的一款创新型智能数据可视化平台,专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型,爱图表结合强大的数据处理能力与智能化功能,致力于帮助职场人士高效处理和表达数据,提升工作效率和报告质量。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型,支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。

下拉加载更多