{"notes":[{"id":"object-detection/fcos","category":"object-detection","legacyPath":"object-detection/1904-fcos","legacySlug":"1904-fcos","legacyPaths":[],"title":"FCOS","subtitle":"Un monde sans ancres","author":"Z. Yuan","paperDate":"2019-04-02","publishedOn":"2025-08-31","paperTitle":"FCOS: Fully Convolutional One-Stage Object Detection","paperUrl":"https://arxiv.org/abs/1904.01355","bibliography":{"title":"FCOS: Fully Convolutional One-Stage Object Detection","authors":["Zhi Tian","Chunhua Shen","Hao Chen","Tong He"],"url":"https://arxiv.org/abs/1904.01355","pdfUrl":"https://openaccess.thecvf.com/content_ICCV_2019/papers/Tian_FCOS_Fully_Convolutional_One-Stage_Object_Detection_ICCV_2019_paper.pdf","codeUrl":null,"preprint":{"id":"1904.01355","submittedOn":"2019-04-02","url":"https://arxiv.org/abs/1904.01355"},"publication":{"venue":"ICCV","year":2019,"kind":"conference","url":"https://openaccess.thecvf.com/content_ICCV_2019/html/Tian_FCOS_Fully_Convolutional_One-Stage_Object_Detection_ICCV_2019_paper.html"},"citation":"@misc{objectdetectionfcos2019,\n  title = {{FCOS: Fully Convolutional One-Stage Object Detection}},\n  author = {Zhi Tian and Chunhua Shen and Hao Chen and Tong He},\n  year = {2019},\n  eprint = {1904.01355},\n  archivePrefix = {arXiv},\n  url = {https://arxiv.org/abs/1904.01355}\n}\n","citationPath":"/content/papers/citations/object-detection/fcos.00e1b4c82339.bib"},"thumbnail":{"src":"/content/papers/assets/23edca5ceca50cfcadbf6fd9cb8e8720100daff3135c951a4554454e3b9c69e7.jpg","width":1508,"height":668},"locale":"fr","path":"/content/papers/fr/object-detection/fcos.4b7f42ca83a7.md","headings":[{"id":"définir-le-problème","text":"Définir le problème","depth":2},{"id":"résoudre-le-problème","text":"Résoudre le problème","depth":2},{"id":"discussion","text":"Discussion","depth":2},{"id":"plusieurs-niveaux-fpn-et-rappel-possible","text":"Plusieurs niveaux FPN et rappel possible","depth":3},{"id":"positions-ambiguës-dans-les-boîtes-qui-se-chevauchent","text":"Positions ambiguës dans les boîtes qui se chevauchent","depth":3},{"id":"pourquoi-le-center-ness-aide","text":"Pourquoi le center-ness aide","depth":3},{"id":"comparaison-contrôlée-avec-les-détecteurs-à-ancres","text":"Comparaison contrôlée avec les détecteurs à ancres","depth":3},{"id":"comparaison-avec-les-meilleurs-systèmes-de-lépoque","text":"Comparaison avec les meilleurs systèmes de l'époque","depth":3},{"id":"conclusion","text":"Conclusion","depth":2}],"anchorAliases":{},"guide":null,"relatedReading":[{"id":"object-detection/retinanet","relation":"background","topic":"Détection dense et attribution des échantillons"},{"id":"object-detection/atss","relation":"next","topic":"Détection dense et attribution des échantillons"},{"id":"object-detection/gfl","relation":"comparison","topic":"Aligner classification et qualité de localisation"}]},{"id":"object-detection/retinanet","category":"object-detection","legacyPath":"object-detection/1708-retinanet","legacySlug":"1708-retinanet","legacyPaths":[],"title":"RetinaNet","subtitle":"La Focal Loss, voilà le cœur du sujet","author":"Z. Yuan","paperDate":"2017-08-07","publishedOn":"2024-08-08","paperTitle":"Focal Loss for Dense Object Detection","paperUrl":"https://arxiv.org/abs/1708.02002","bibliography":{"title":"Focal Loss for Dense Object Detection","authors":["Tsung-Yi Lin","Priya Goyal","Ross Girshick","Kaiming He","Piotr Dollár"],"url":"https://arxiv.org/abs/1708.02002","pdfUrl":"https://arxiv.org/pdf/1708.02002","codeUrl":null,"preprint":{"id":"1708.02002","submittedOn":"2017-08-07","url":"https://arxiv.org/abs/1708.02002"},"publication":{"venue":"ICCV","year":2017,"kind":"conference","url":"https://openaccess.thecvf.com/content_iccv_2017/html/Lin_Focal_Loss_for_ICCV_2017_paper.html"},"citation":"@misc{objectdetectionretinanet2017,\n  title = {{Focal Loss for Dense Object Detection}},\n  author = {Tsung-Yi Lin and Priya Goyal and Ross Girshick and Kaiming He and Piotr Dollár},\n  year = {2017},\n  eprint = {1708.02002},\n  archivePrefix = {arXiv},\n  url = {https://arxiv.org/abs/1708.02002}\n}\n","citationPath":"/content/papers/citations/object-detection/retinanet.7782ba4afe61.bib"},"thumbnail":{"src":"/content/papers/assets/72e05351a2bee439214afa9c111f8ec8ca466561a1fbd6be2b98cbd43305ad47.jpg","width":1746,"height":492},"locale":"fr","path":"/content/papers/fr/object-detection/retinanet.064b6a400ad7.md","headings":[{"id":"définir-le-problème","text":"Définir le problème","depth":2},{"id":"résoudre-le-problème","text":"Résoudre le problème","depth":2},{"id":"focal-loss","text":"Focal Loss","depth":3},{"id":"architecture-du-modèle","text":"Architecture du modèle","depth":3},{"id":"paramètres-dentraînement-et-dinférence","text":"Paramètres d'entraînement et d'inférence","depth":3},{"id":"discussion","text":"Discussion","depth":2},{"id":"résultats-sur-coco","text":"Résultats sur COCO","depth":3},{"id":"études-dablation","text":"Études d'ablation","depth":3},{"id":"conclusion","text":"Conclusion","depth":2}],"anchorAliases":{},"guide":null,"relatedReading":[{"id":"object-detection/fcos","relation":"next","topic":"Détection dense et attribution des échantillons"},{"id":"retail-product/sku-110k","relation":"comparison","topic":"Détecter des produits densément disposés"},{"id":"text-recognition/safl","relation":"next","topic":"Focal Loss, de la détection à la reconnaissance de texte"}]},{"id":"object-detection/atss","category":"object-detection","legacyPath":"object-detection/1912-atss","legacySlug":"1912-atss","legacyPaths":[],"title":"ATSS","subtitle":"La mort des ancres","author":"Z. Yuan","paperDate":"2019-12-05","publishedOn":"2025-08-24","paperTitle":"Bridging the Gap Between Anchor-Based and Anchor-Free Detection via Adaptive Training Sample Selection","paperUrl":"https://arxiv.org/abs/1912.02424","bibliography":{"title":"Bridging the Gap Between Anchor-Based and Anchor-Free Detection via Adaptive Training Sample Selection","authors":["Shifeng Zhang","Cheng Chi","Yongqiang Yao","Zhen Lei","Stan Z. Li"],"url":"https://arxiv.org/abs/1912.02424","pdfUrl":"https://openaccess.thecvf.com/content_CVPR_2020/papers/Zhang_Bridging_the_Gap_Between_Anchor-Based_and_Anchor-Free_Detection_via_Adaptive_CVPR_2020_paper.pdf","codeUrl":"https://github.com/sfzhang15/ATSS","preprint":{"id":"1912.02424","submittedOn":"2019-12-05","url":"https://arxiv.org/abs/1912.02424"},"publication":{"venue":"CVPR","year":2020,"kind":"conference","url":"https://openaccess.thecvf.com/content_CVPR_2020/html/Zhang_Bridging_the_Gap_Between_Anchor-Based_and_Anchor-Free_Detection_via_Adaptive_CVPR_2020_paper.html"},"citation":"@misc{objectdetectionatss2019,\n  title = {{Bridging the Gap Between Anchor-Based and Anchor-Free Detection via Adaptive Training Sample Selection}},\n  author = {Shifeng Zhang and Cheng Chi and Yongqiang Yao and Zhen Lei and Stan Z. Li},\n  year = {2019},\n  eprint = {1912.02424},\n  archivePrefix = {arXiv},\n  url = {https://arxiv.org/abs/1912.02424}\n}\n","citationPath":"/content/papers/citations/object-detection/atss.052abb306ebc.bib"},"thumbnail":{"src":"/content/papers/assets/eb5c0893f72157017487005de8070c2d3c2ff90c1a7a263974a20c056a2385dd.jpg","width":1224,"height":552},"locale":"fr","path":"/content/papers/fr/object-detection/atss.b9b2035e753f.md","headings":[{"id":"définir-le-problème","text":"Définir le problème","depth":2},{"id":"résoudre-le-problème","text":"Résoudre le problème","depth":2},{"id":"écarter-les-différences-dimplémentation","text":"Écarter les différences d'implémentation","depth":3},{"id":"isoler-la-vraie-différence","text":"Isoler la vraie différence","depth":3},{"id":"adaptive-training-sample-selection","text":"Adaptive Training Sample Selection","depth":3},{"id":"discussion","text":"Discussion","depth":2},{"id":"comparaison-avec-les-méthodes-existantes","text":"Comparaison avec les méthodes existantes","depth":3},{"id":"nombre-dancres","text":"Nombre d'ancres","depth":3},{"id":"conclusion","text":"Conclusion","depth":2}],"anchorAliases":{},"guide":null,"relatedReading":[{"id":"object-detection/fcos","relation":"background","topic":"Détection dense et attribution des échantillons"}]},{"id":"object-detection/gfl","category":"object-detection","legacyPath":"object-detection/2006-gfl","legacySlug":"2006-gfl","legacyPaths":[],"title":"GFL","subtitle":"Le point de convergence","author":"Z. Yuan","paperDate":"2020-06-08","publishedOn":"2025-08-23","paperTitle":"Generalized Focal Loss: Learning Qualified and Distributed Bounding Boxes for Dense Object Detection","paperUrl":"https://arxiv.org/abs/2006.04388","bibliography":{"title":"Generalized Focal Loss: Learning Qualified and Distributed Bounding Boxes for Dense Object Detection","authors":["Xiang Li","Wenhai Wang","Lijun Wu","Shuo Chen","Xiaolin Hu","Jun Li","Jinhui Tang","Jian Yang"],"url":"https://arxiv.org/abs/2006.04388","pdfUrl":"https://proceedings.neurips.cc/paper_files/paper/2020/file/f0bda020d2470f2e74990a07a607ebd9-Paper.pdf","codeUrl":"https://github.com/implus/GFocal","preprint":{"id":"2006.04388","submittedOn":"2020-06-08","url":"https://arxiv.org/abs/2006.04388"},"publication":{"venue":"NeurIPS","year":2020,"kind":"conference","url":"https://papers.nips.cc/paper_files/paper/2020/hash/f0bda020d2470f2e74990a07a607ebd9-Abstract.html"},"citation":"@misc{objectdetectiongfl2020,\n  title = {{Generalized Focal Loss: Learning Qualified and Distributed Bounding Boxes for Dense Object Detection}},\n  author = {Xiang Li and Wenhai Wang and Lijun Wu and Shuo Chen and Xiaolin Hu and Jun Li and Jinhui Tang and Jian Yang},\n  year = {2020},\n  eprint = {2006.04388},\n  archivePrefix = {arXiv},\n  url = {https://arxiv.org/abs/2006.04388}\n}\n","citationPath":"/content/papers/citations/object-detection/gfl.71fabce4b963.bib"},"thumbnail":{"src":"/content/papers/assets/b23270560323cea28f3b1fe736d861dd3365d20c4fb99278dcc3ce306df890dc.jpg","width":1224,"height":380},"locale":"fr","path":"/content/papers/fr/object-detection/gfl.bfe7d892ca7e.md","headings":[{"id":"définir-le-problème","text":"Définir le problème","depth":2},{"id":"résoudre-le-problème","text":"Résoudre le problème","depth":2},{"id":"focal-loss","text":"Focal Loss","depth":3},{"id":"quality-focal-loss","text":"Quality Focal Loss","depth":3},{"id":"distribution-focal-loss","text":"Distribution Focal Loss","depth":3},{"id":"generalized-focal-loss","text":"Generalized Focal Loss","depth":3},{"id":"discussion","text":"Discussion","depth":2},{"id":"qfl-est-elle-utile-","text":"QFL est-elle utile ?","depth":3},{"id":"dfl-est-elle-utile-","text":"DFL est-elle utile ?","depth":3},{"id":"conclusion","text":"Conclusion","depth":2}],"anchorAliases":{},"guide":null,"relatedReading":[{"id":"object-detection/fcos","relation":"comparison","topic":"Aligner classification et qualité de localisation"},{"id":"object-detection/tood","relation":"comparison","topic":"Aligner classification et qualité de localisation"}]}],"text":"Au moment où cette note a été écrite, cet article comptait déjà plus de sept mille citations.\n\nC'est un classique : il fallait bien que nous allions le lire.\n\n## Définir le problème\n\nLa détection d'objets a longtemps été dominée par les méthodes **à ancres** (*anchor-based*).\n\nDe Faster R-CNN et SSD à YOLOv2/v3, tout le monde s'appuie sur ce principe : disposer d'abord un grand nombre de boîtes candidates, puis décider lesquelles deviennent positives ou négatives à l'entraînement.\n\nLa méthode fonctionne, mais apporte plusieurs soucis :\n\n1. **Beaucoup d'hyperparamètres :** tailles, rapports, nombres d'ancres et seuils IoU réclament des réglages manuels. Dans les comparaisons citées, les faire varier peut déplacer l'AP COCO de plus de quatre points.\n2. **Généralisation moins simple :** les formes d'ancres sont prédéfinies. Objets petits, formes inhabituelles ou changement de tâche peuvent obliger à repenser ces réglages.\n3. **Déséquilibre des exemples :** pour assurer le rappel, on place des milliers d'ancres sur l'image ; la grande majorité devient négative.\n4. **Calcul supplémentaire :** il faut notamment mesurer les IoU et appliquer des règles d'association.\n\nLes approches *sans ancres* ne sont pas nouvelles non plus, mais chacune a ses difficultés. YOLOv1 prédit depuis les cellules d'une grille, avec des limites de rappel liées à ces cellules ; CornerNet associe des coins, au prix d'un post-traitement complexe ; DenseBox régresse à chaque pixel, mais les boîtes qui se chevauchent créent des ambiguïtés. Certaines de ces approches ont surtout été employées dans des domaines comme le texte ou les visages.\n\nLa liste pourrait continuer. Les détecteurs sans ancres semblaient rester en retrait dans un domaine dominé par les autres.\n\n**Faut-il vraiment des ancres pour détecter les objets ?**\n\nLes auteurs veulent sortir de cette impasse : comme en segmentation sémantique, chaque position de la carte de caractéristiques pourrait contribuer à la prédiction, sans ancres ni leur règle d'association.\n\nRevenons à la simplicité d'une **prédiction entièrement convolutive par pixel**.\n\n## Résoudre le problème\n\nFCOS reformule la détection comme une prédiction *par pixel*. Au lieu de disposer des ancres candidates à comparer aux boîtes réelles, chaque position de la carte devient directement un exemple d'entraînement.\n\nSupposons que le backbone fournisse, à la couche $i$, une carte $F_i\\in\\mathbb R^{H\\times W\\times C}$ de pas (*stride*) $s$. Une boîte réelle de l'image d'entrée est notée :\n\n$$\nB_i = (x^{(i)}_0, y^{(i)}_0, x^{(i)}_1, y^{(i)}_1, c^{(i)}) \\in \\mathbb{R}^4 \\times \\{1,2,\\dots,C\\},\n$$\n\nLes deux premières coordonnées sont son coin supérieur gauche, les deux suivantes son coin inférieur droit, et $c^{(i)}$ sa classe.\n\nUne position $(x,y)$ de la carte est ramenée aux coordonnées de l'image par :\n\n$$\n(\\lfloor \\tfrac{s}{2} \\rfloor + xs, \\; \\lfloor \\tfrac{s}{2} \\rfloor + ys).\n$$\n\nDans les distances qui suivent, $(x,y)$ désigne **ce point dans l'image d'entrée**, après la conversion de coordonnées.\n\nSi ce point se trouve dans une boîte réelle $B_i$, il devient positif avec l'étiquette $c^*=c^{(i)}$ ; autrement, il appartient au fond, $c^*=0$.\n\nLa position doit aussi régresser quatre valeurs :\n\n$$\nt^* = (l^*, t^*, r^*, b^*),\n$$\n\nElles mesurent les distances du point aux côtés gauche, supérieur, droit et inférieur de la boîte :\n\n\n\n![bounding box](/content/papers/assets/3a3080a9d661cc13b2dc595c01e4807b9e8b854d7c8d6b40328ceca1e5ca7026.jpg)\n\n\n\n$$\nl^* = x - x^{(i)}_0, \\quad\nt^* = y - y^{(i)}_0, \\quad\nr^* = x^{(i)}_1 - x, \\quad\nb^* = y^{(i)}_1 - y\n$$\n\nSi plusieurs boîtes réelles couvrent la même position, FCOS choisit celle de **plus petite aire** comme cible de régression. Cela réduit l'ambiguïté due au chevauchement.\n\nChaque position peut ainsi prédire directement « quel objet ? » et « jusqu'où s'étend sa boîte ? », sans se référer à une ancre. La sortie comporte des scores de classes $p\\in\\mathbb R^C$ et les quatre distances $t=(l,t,r,b)$.\n\nComme les distances doivent être positives, les auteurs appliquent d'abord $\\exp(x)$. Quand les niveaux FPN partagent la tête de régression, chaque niveau apprend en plus son facteur $s_i$ dans $\\exp(s_i x)$. Comparée à RetinaNet, qui place neuf ancres par position, cette sortie contient **neuf fois moins de variables par position**.\n\nLa perte principale vaut :\n\n$$\nL(\\{p_{x,y}\\}, \\{t_{x,y}\\}) =\n\\frac{1}{N_{\\text{pos}}} \\sum_{x,y} L_{\\text{cls}}(p_{x,y}, c^*_{x,y}) \\; + \\;\n\\frac{\\lambda}{N_{\\text{pos}}} \\sum_{x,y} \\mathbf{1}_{\\{c^*_{x,y}>0\\}} \\, L_{\\text{reg}}(t_{x,y}, t^*_{x,y})\n$$\n\n$L_{\\text{cls}}$ est la **Focal Loss**, $L_{\\text{reg}}$ une **perte IoU**, $N_{\\text{pos}}$ le nombre d'exemples positifs et $\\lambda=1$. L'ajout ultérieur de la tête *center-ness* apporte sa propre perte BCE.\n\nÀ l'inférence, les scores de classe $p_{x,y}>0.05$ désignent les candidats. Les distances prédites sont converties en coordonnées de boîtes dans l'image.\n\nVoilà l'idée de base : enlever les ancres et laisser les positions prédire. Deux difficultés apparaissent pourtant aussitôt :\n\n1. Un pas trop grand peut faire manquer les petits objets et réduire le rappel.\n2. Quand plusieurs boîtes se chevauchent, quelle boîte une position doit-elle apprendre ?\n\nLes auteurs répondent avec une **prédiction FPN à plusieurs niveaux** :\n\n\n\n![model_arch](/content/papers/assets/23edca5ceca50cfcadbf6fd9cb8e8720100daff3135c951a4554454e3b9c69e7.jpg)\n\n\n\nIls utilisent $P_3,P_4,P_5,P_6,P_7$, de strides **8, 16, 32, 64, 128**. La plus grande des quatre distances d'une position aux côtés de la boîte détermine sur quel niveau elle peut devenir positive. Ainsi, $P_3$ accepte la plage **0–64 pixels**, $P_4$ la plage **64–128**. Les objets de tailles différentes sont en grande partie répartis entre niveaux, ce qui réduit les ambiguïtés de chevauchement.\n\nReste le problème des positions proches des coins : elles produisent souvent des boîtes de mauvaise qualité. Une petite branche **center-ness** estime donc la proximité de la position avec le centre :\n\n$$\n\\text{centerness}^* = \\sqrt{\\frac{\\min(l^*, r^*)}{\\max(l^*, r^*)} \\times \\frac{\\min(t^*, b^*)}{\\max(t^*, b^*)}}\n$$\n\nLa cible se situe entre 0 et 1 ; elle approche 1 près du centre. Une BCE la supervise à l'entraînement. À l'inférence, son score multiplie le score de classe, ce qui rétrograde les boîtes des positions périphériques et facilite leur filtrage par NMS.\n\nCe détecteur par position, avec répartition FPN et score center-ness, se passe d'ancres tout en obtenant des résultats comparables, parfois supérieurs, aux détecteurs classiques dans les comparaisons de l'article.\n\n## Discussion\n\nLes auteurs évaluent FCOS sur **MS COCO** : entraînement sur **trainval35k (115K)**, ablations sur **minival (5K)** et principaux résultats sur **test-dev (20K)**.\n\nSauf mention contraire, ils emploient **ResNet-50** et reprennent les réglages de RetinaNet : SGD, **90K itérations**, lot de **16**, taux initial **0,01** divisé par dix à **60K** et **80K**, weight decay **0,0001** et momentum **0,9**. Le côté court de l'image vaut **800 pixels**, le long au plus **1333**.\n\nL'inférence reprend également les réglages et le post-traitement de RetinaNet, dont le seuil de candidature $p_{x,y}>0.05$. Les auteurs notent qu'un réglage spécialement adapté à FCOS pourrait encore améliorer le résultat.\n\nAvant les tableaux, définissons le **Best Possible Recall (BPR)** : il compte les boîtes réelles qui reçoivent au moins une position positive pendant l'entraînement, et les rapporte à toutes les boîtes réelles.\n\n$$\n\\text{BPR} \\;=\\; \\frac{\\#\\{\\text{boîtes GT assignées à au moins une position}\\}}{\\#\\{\\text{toutes les boîtes GT}\\}} .\n$$\n\n### Plusieurs niveaux FPN et rappel possible\n\n\n\n![fpn](/content/papers/assets/3303496b90e961b6a0e1248980e0805ecaa1d27dd219636afbde4aa0af01915f.jpg)\n\n\n\nPour vérifier si le stride d'un détecteur convolutif limite trop le rappel, les auteurs testent d'abord seulement **P4, stride 16**. FCOS atteint déjà **95,55 % de BPR**, au-dessus des **90,92 %** de la version officielle Detectron de RetinaNet avec correspondances IoU ≥ 0,4 de faible qualité.\n\nAvec les niveaux **P3–P7**, FCOS monte à **98,40 %**. Il reste **0,83 point** sous les **99,23 %** de RetinaNet lorsque toutes ses correspondances de faible qualité sont permises.\n\nLe BPR est une **limite liée à l'assignation des cibles à l'entraînement**, pas le rappel réellement mesuré. Dans la comparaison réglée de la même façon ci-dessous, l'**AR** de FCOS dépasse celui de RetinaNet ; ici, le petit écart de BPR ne semble donc pas être le principal frein.\n\n### Positions ambiguës dans les boîtes qui se chevauchent\n\n\n\n![overlap](/content/papers/assets/271981e0a84bc568c57b8d0b109ff3222d1349daa36ab70b5eb4c9ee197d2bf8.jpg)\n\n\n\nSi plusieurs boîtes réelles couvrent la même position, laquelle faut-il régresser ?\n\nSur **P4 seul**, **23,16 %** des exemples positifs minival sont ambigus. La répartition entre niveaux FPN réduit ce chiffre à **7,14 %**. Si l'on exclut les recouvrements **entre objets de même classe**, qui ne changent pas la classe à prédire, l'ambiguïté entre classes passe de **17,84 % à 3,75 %**.\n\nÀ l'inférence, seulement **2,3 %** des boîtes détectées proviennent de positions ambiguës, **1,5 %** si l'on ne compte que celles entre classes.\n\nLa répartition multi-niveaux et la règle de plus petite aire diminuent donc l'ambiguïté. Ces parts et les AP observées montrent qu'elle n'a pas empêché FCOS d'obtenir un résultat comparable.\n\n### Pourquoi le center-ness aide\n\n\n\n![centerness](/content/papers/assets/91cfdfe50bcdade13a480ebaf36b082666dfac2444ce9c17bc0c35e3ef054258.jpg)\n\n\n\nMême avec FPN, les positions loin du centre peuvent produire de mauvaises boîtes. Une branche center-ness à une couche, placée à côté de la classification, prédit cet écart normalisé :\n\n$$\n\\text{centerness}^* \\;=\\; \\sqrt{\\frac{\\min(l^*,r^*)}{\\max(l^*,r^*)}\\cdot\\frac{\\min(t^*,b^*)}{\\max(t^*,b^*)}}\n$$\n\nElle est entraînée par **BCE**. À l'inférence, $\\text{score}=\\text{cls}\\times\\text{centerness}$ abaisse le rang des boîtes proches des coins avant la NMS.\n\nDans cette ablation minival, la branche prédite fait passer l'**AP de 33,5 % à 37,1 %**. Si le center-ness est directement calculé à partir des distances régressées plutôt que prédit séparément, l'AP reste à **33,5 %**. Cela soutient ce choix dans cette expérience ; ce n'est pas une nécessité démontrée pour toutes les architectures.\n\n### Comparaison contrôlée avec les détecteurs à ancres\n\n\n\n![comparison](/content/papers/assets/313f3b5c10e28a4c787956017fa2dcfc07fa11733e89ce6c607161d15f803de8.jpg)\n\n\n\nPour limiter les différences d'implémentation avec **RetinaNet**, les auteurs retirent **GroupNorm** de FCOS, utilisent alors un écrêtage des gradients pour stabiliser l'entraînement et construisent **P6/P7 à partir de C5** plutôt que P5.\n\nDans cette comparaison minival, FCOS obtient **36,3 % d'AP** contre **35,9 %** pour RetinaNet ; pour **AP50**, en revanche, FCOS est à **54,8 %** contre **56,0 %**. Le taux d'apprentissage, la NMS et les autres paramètres restent ceux de RetinaNet. Ce résultat appuie FCOS comme alternative sans ancres viable, sans isoler la simplicité de l'architecture ou la règle d'assignation comme cause unique. Les auteurs estiment qu'un réglage propre à FCOS pourrait encore aider.\n\n### Comparaison avec les meilleurs systèmes de l'époque\n\n\n\n![compare with sota](/content/papers/assets/5707aba72f44c416510e8c6b9c519a26c82f3bb8131fb0ad03e4a86bf5a2eb7f.jpg)\n\n\n\nDans le tableau test-dev avec backbone **ResNet-101-FPN**, FCOS obtient **41,5 AP** contre **39,1 AP** pour RetinaNet, soit **2,4 points**. C'est une comparaison entre articles dont tous les réglages d'entraînement ne sont pas contrôlés. Avec **ResNeXt-101-64×4d-FPN**, FCOS atteint **43,2 AP**, contre **40,5** pour l'autre détecteur sans ancres CornerNet, tout en évitant son association de paires de coins et son embedding de regroupement.\n\nEn ajoutant les améliorations étudiées séparément — position de la branche center-ness, échantillonnage central, GIoU et normalisation des cibles de régression — le modèle unique testé à une seule échelle atteint **44,7 AP**. Ce résultat amélioré doit rester distinct des **43,2 AP** précédents.\n\n## Conclusion\n\nFCOS ramène la détection à une forme simple de prédiction **par position** : ni propositions ni ancres. Chaque position apprend sa classe et ses quatre distances ; FPN répartit les objets selon leur échelle et réduit les ambiguïtés de chevauchement ; un center-ness peu coûteux corrige le rang des boîtes prédites.\n\nL'auteur de cette note voit trois prolongements.\n\nD'abord, l'**assignation des exemples** devient un sujet central. ATSS et ses règles statistiques, puis PAA, OTA, SimOTA et TOOD explorent, chacun à sa manière, le choix des positions positives et l'alignement entre classification et localisation.\n\nEnsuite, la **classification sensible à la qualité** emprunte plusieurs voies. Des scores comme QFL ou Varifocal incorporent plus directement une mesure de qualité de localisation ; DFL représente les coordonnées par une distribution plutôt que par une seule valeur continue. Tous cherchent à rapprocher score de classe et qualité de la boîte, selon des mécanismes distincts.\n\nEnfin, les détecteurs **à Transformer** — DETR, Deformable-DETR, DINO, RT-DETR — proposent une autre voie par appariement d'ensembles, souvent sans NMS ni ancres. Dans les usages en temps réel ou sur appareils limités, une tête convolutive légère comme celle de FCOS demeure aussi une base pratique. Certaines familles YOLO ultérieures reprennent des idées de prédiction sans ancres, d'assignation et de qualité, sans que l'article FCOS suffise à établir une filiation causale précise pour chaque version.\n\nLa contribution de FCOS ne se résume donc pas à supprimer les ancres : elle pose une autre question de conception, **comment laisser chaque position décider, puis choisir de bonnes assignations et de bons scores pour faire ressortir les meilleures boîtes ?**\n\nLes ancres ne disparaissent pas de tous les détecteurs après FCOS. Ce qui reste de cet article est une formulation plus claire du problème et un vocabulaire de conception plus général.\n","imageSizes":{"/content/papers/assets/3a3080a9d661cc13b2dc595c01e4807b9e8b854d7c8d6b40328ceca1e5ca7026.jpg":{"width":896,"height":512},"/content/papers/assets/23edca5ceca50cfcadbf6fd9cb8e8720100daff3135c951a4554454e3b9c69e7.jpg":{"width":1508,"height":668},"/content/papers/assets/3303496b90e961b6a0e1248980e0805ecaa1d27dd219636afbde4aa0af01915f.jpg":{"width":852,"height":260},"/content/papers/assets/271981e0a84bc568c57b8d0b109ff3222d1349daa36ab70b5eb4c9ee197d2bf8.jpg":{"width":844,"height":128},"/content/papers/assets/91cfdfe50bcdade13a480ebaf36b082666dfac2444ce9c17bc0c35e3ef054258.jpg":{"width":876,"height":176},"/content/papers/assets/313f3b5c10e28a4c787956017fa2dcfc07fa11733e89ce6c607161d15f803de8.jpg":{"width":1836,"height":480},"/content/papers/assets/5707aba72f44c416510e8c6b9c519a26c82f3bb8131fb0ad03e4a86bf5a2eb7f.jpg":{"width":1140,"height":516}}}
