TorchVision中FCOS实现为何使用锚点？论文中该模型为无锚点

TorchVision里的FCOS实现中出现anchor_generator，本质是框架组件复用的设计选择，并没有违背FCOS论文的无锚点核心逻辑，具体原因如下：

• 统一检测框架的代码结构
  TorchVision的目标检测模块（包括Faster R-CNN、RetinaNet等）都基于一套通用组件构建，anchor_generator是其中负责处理尺度层级逻辑的通用模块。FCOS作为集成到该框架中的模型，复用这个组件可以避免单独编写一套尺度分配逻辑，保持代码的一致性和可维护性。

• 实现FCOS的尺度分配机制而非传统锚框
  这里的anchor_generator并不是用来生成传统意义上需要与目标框计算IoU匹配的锚框。它的作用是为每个特征层级划定负责检测的目标尺度范围——比如高层特征图对应小目标、低层对应大目标。代码中默认实例化的AnchorGenerator参数（sizes和aspect_ratios），是用来定义各层级对应的尺度阈值，而非生成待匹配的锚框。FCOS依然是直接基于特征点回归目标框，完全符合论文的无锚点思路。

• 兼容框架的训练/推理流程
  TorchVision的检测训练、推理逻辑依赖这套组件的接口定义，复用anchor_generator可以让FCOS无缝接入现有流程，无需重新适配数据处理、损失计算等模块。

内容的提问来源于stack exchange，提问作者Irakli Salia