文章提出一种不依赖于预定义锚点的逐像素预测的OD方法。
基于锚点的OD方法具有如下缺陷：
- 与锚点相关的超参必须被小心选择，否则会较明显的影响最终预测效果（如average precision）。
- 预置的锚点大小、比例在检测差异较大物体时不够灵活，且在迁移数据集后需要重新设计。
- 为提高召回率，多个锚点box被紧密排列，而绝大部分锚点都被标定为negative，这样会导致训练时negative与positive的比例失衡。
- 大量的锚点会导致运算量增大，特别是计算IOU时。
模型结构
用于训练的ground truth bbox结构如下：
\[B_i = (x^{(i)}_0, y^{(i)}_0, x^{(i)}_1, y^{(i)}_1, c^{(i)})\in R^4\times{1,2...C}\]以此ground truth构造标签，训练时FCOS会直接对bbox的坐标进行学习，而非学习基于锚点的坐标差和尺寸差。实际训练时标签为类别C及一个四维实数向量$(l^, t^,r^,b^)$，分别表示当前坐标到bbox四个边缘的距离。
