前言
早期做目标检测的人，都知道，anchor是标配，anchor尺寸是需要调整的参数之一，one-stage的检测器，yolo系列，SSD，RetinaNet都是基于anchor的，从FCOS开始，目标检测开始逐渐anchor-free，再看下，FCOS对yolo系列的进化的影响：
YOLOv1：没有 anchor，是直接回归坐标 → 严格说是 anchor-free
YOLOv2 / YOLO9000：引入 anchor 框机制 → anchor-based
YOLOv3：多尺度 anchor，基于 Darknet-53 → anchor-based
YOLOv4：改进 backbone 与 PAN，但仍使用 anchor → anchor-based
YOLOv5 (ultralytics)：继续使用 anchor → anchor-based
YOLOv6 (megvii)：默认 anchor-based，同时支持 anchor-free 模式 → 可配置
YOLOv7：主要 anchor-based，同时部分变体（如 E-ELAN）尝试 anchor-free 技术
YOLOv8 (ultralytics)：默认 anchor-free，完全去掉 anchor → anchor-free
当读FCOS的时候，只有一句话，时尚是个轮回呀，yolov1开始的时候，就是没有anchor，那么为什么FCOS可以把anchor-free的性能做上去，这篇论文真的值得好好读一读了。
一、Anchor-based检测器
任何复杂的方法，出发点，即想要解决的问题都是直观的，因此，先理解，anchor-based的思想，以及为什么一经问世，就迅速被各大检测器应用，以及它本身的问题。
1.1、anchor-based的思想 ：anchor思想最早是在faster-rcnn的RPN中被应用，论文中是这样形容RPN的："To generate region proposals, we slide a small network over the conv feature map output by the last shared conv layer. This network is fully connected to an n × n spatial window of the input conv feature map" 。
例如使用VGG作为特征提取器，输入为224x224，那么使用con5_3作为特征层，14x14x512，作者在14x14的特征层中做了3x3的卷积，类似滑动窗，然后每个窗口提取为一维特征256维或者512维，这些特征被送入到box回归分支和类别预测分支，这些分支使用全连接层。紧接着，anchors的概念被提出，每个滑动窗口，3个尺度，3个宽高比，9个anchor。faster_rcnn作者是这样总结的，在Fast-rcnn中，目标框的回归是从任意大小的区域中提取的特征，然会所有的区域尺寸共享回归权重，但是在Faster-RCNN中，用于回归的特征，在特征图上具有相同的空间大小，为了处理变化的尺寸，设置了k个位置回归器，每个回归器负责一个尺寸和一个宽高比的回归，这里的k个，就是anchor的个数9，每个回归器权重不共享，例如在14x14x512进行回归，回归出14x14x36，每个位置上的512维特征，回归9个目标框，每个目标框4个预测值，从512变为36，就是回归的过程，权重维度 512x36，也可以理解为，这36个预测值的权重都是独立的，不共享。
1.2、anchor-based训练过程 ：ahchors 和 所有的ground-truth进行匹配，正样本原则正样本（positive）1、IoU ≥ 正阈值（如 0.7）；2、或者与某个 GT 的 IoU 最大的 anchor（即使 IoU 很低，也强制设为正样本）。判断完正样本后，才预测正样本与GT的offset；
1.3、anchor-based预测过程 ：每个anchor都加上自己的预测的offset，得到预测的目标框位置，通过类别分数过滤误检。
1.4、anchor-based目标检测的问题：
- 依赖anchor的设计
- 正负样本严重不平衡；
- 正负样本由 IoU 阈值决定不合理，IOU不能代表学习价值；
- anchor是固定形状，GT是任意形状，anchor与目标不对齐；
二、FCOS
2.1、FCOS的结构
直接上FCOS的结构，基础网络FPN，输出5个特征层，每个特征层学习自己的head头，在head头里面，有两个分支，一个分支是目标狂位置的回归，一个分支用于预测类别和center-ness；需要注意，从FPN的特征层出来后，位置分支和类别分支，各自需要经历4层的卷积层，学习各自的特征，特征维度还是HxWx256。
2.2、FCOS的anchor-free
输入图片的GT框集合为{Bi}，Bi=（x0(i),y0(i),x1(i),y1(i),c(i)）\{B_i\}，B_i=（x_0^{(i)},y_0^{(i)},x_1^{(i)},y_1^{(i)},c^{(i)}）{Bi}，Bi=（x0(i),y0(i),x1(i),y1(i),c(i)），对于特征图FiF_iFi上的每个位置(x,y)(x,y)(x,y)，可以映射到原图位置(s/2+xs,s/2+ys)(s/2 + xs, s/2 + ys)(s/2+xs,s/2+ys)，和anchors-based不同的是，FCOS在位置(x,y)(x,y)(x,y)上直接回归目标框，这个类似基于FCN的语义分割，像素级别的预测。
正样本判断标准：如果位置(x,y)(x,y)(x,y)落入到GT框中，并且类别是真实类别，这个位置被判定为正样本；
FCOS回归的是t∗=(l∗,t∗,r∗,b∗)t^* = (l^*, t^*, r^*, b^*)t∗=(l∗,t∗,r∗,b∗)，t∗t^*t∗是位置(x,y)(x,y)(x,y)距离GT框左上角和右下角的距离。
当然，位置(x,y)(x,y)(x,y)有可能会落入多个GT框中，选择最小面积GT框作为回归目标。
2.3、FCOS的anchor-free与yolov1的anchor-free