admin管理员组

文章数量:1650772

  • 代码：https://github/Gus-Guo/AugFPN
  • 论文：https://arxiv/abs/1912.05384

摘要

  • 现有的SOTA检测器都使用了构建特征金字塔（不同尺度的特征组合），来提升对不同尺度（大小）的目标的检测鲁棒性。而FPN是其中的代表性工作
  • 本文对FPN进行了分析，找到了其中的一些设计上的缺陷
  • 针对缺陷提出了3个改进点，也正是AugFPN的3个组成部分：
    • Consistent Supervision：用于降低不同scale之间的语义Gap
    • Residual Feature Augmentation：用于在不同尺度的特征融合(fusion, summation)中降低信息损失
    • Soft RoI Selection：更好地从图像金字塔中取出ROI Feature用于分类
  • 将FasterRCNN中的FPN结构改成AugFPN，在ResNet50和MobileNet-v2上都有mAP提升
  • 另外，AugFPN中与特征金字塔相关的改进点（也就是Consistent Supervision & Residual Feature Augmentation），在一些Anchor Based/ Anchor Free的One-stage方法中，也能获得提升

原生的FPN中存在的缺陷分析
针对FPN中对不同尺度特征的融合&利用，Figure 1对其进行了总结。对于一个Backbone，FPN首先会引出它在不同尺度下的输出，这些输出有这样的特性：

  1. 底层特征尺度（大小࿰

本文标签： 笔记论文ImprovingAugFPNMulti

版权声明：本文标题：论文笔记：AugFPN: Improving Multi-scale Feature Learning for Object Detection 内容由热心网友自发贡献，该文观点仅代表作者本人， 转载请联系作者并注明出处：https://m.elefans.com/dongtai/1729532252a1204957.html， 本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，一经查实，本站将立刻删除。