我们提出了一种全卷积单阶段目标检测器（FCOS），以像素级预测的方式解决目标检测问题，类似于语义分割。几乎所有的最先进目标检测器，如RetinaNet、SSD、YOLOv3和Faster R-CNN，都依赖于预定义的锚框。相比之下，我们提出的检测器FCOS既不使用锚框也不使用候选区域。通过消除预定义的锚框集合，FCOS完全避免了与锚框相关的复杂计算，例如在训练过程中计算重叠度。更重要的是，我们也避免了所有与锚框相关的超参数，这些超参数通常对最终的检测性能非常敏感。仅通过后处理中的非极大值抑制（NMS），使用ResNeXt-64x4d-101模型的FCOS在单模型和单尺度测试中实现了44.7%的平均精度（AP），超过了以往的单阶段检测器，并且具有更简单的优点。首次证明了一个更简单、更灵活的检测框架可以实现更高的检测精度。我们希望所提出的FCOS框架能够作为许多其他实例级任务的一个简单而强大的替代方案。代码可从以下链接获取：https://tinyurl.com/FCOSv1