fcos是乙個one-stage的、全卷積的、以每個畫素**物體的方式的目標檢測演算法，類似於語義分割。
現在頂級的目標檢測演算法，像retinanet, ssd, yolov3, and faster r-cnn這都是依賴於anchor boxes，而fcos是anchor boxes free的。
fcos使用唯一的後處理（nms）,採用resnext-64x4d-101做backbone,ap達到了44.7%，超越了先前的one-stage演算法，並且更簡單。首次展示了更簡單更靈活的目標檢測框架提公升了目標檢測的準確率。
目標檢測之FCOS
fcos fully convolutional one stage object detection 去掉了anchor做檢測，也就是常說去掉了anchor做檢測，也就是常說anchor free，這是最近一段時間目標檢測領域比較活躍的方向，比如eccv2018上的cornernet anhcor...
A 演算法詳解
第一部分 a 演算法簡介 寫這篇文章的初衷是應乙個的要求，當然我也發現現在有關人工智慧的中文站點實在太少，我在這裡 拋磚引玉，希望大家都來熱心的參與。還是說正題，我先拿a 演算法開刀，是因為a 在遊戲中有它很典型的用法，是人工智慧在遊戲中的代表。a 演算法在人工智慧中是一種典型的啟發式搜尋演算法，為...
A 演算法詳解
a 演算法的基本原理 a star演算法是一種靜態路網中求解最短路徑最有效的直接搜尋方法，也是解決許多搜尋問題的有效演算法。演算法中的距離估算值與實際值越接近，最終搜尋速度越快。f i g i h i 以上式子中 g i 表示從起點到當前節點已經付出的代價，這個是準確的 a 演算法最重要的是估價函式...