BiFPN---加权双向特征金字塔网络（附代码）

最新推荐文章于 2024-11-01 16:06:57 发布

无妄无望

最新推荐文章于 2024-11-01 16:06:57 发布

阅读量1.5w

点赞数 22

文章标签：深度学习人工智能

本文链接：https://blog.csdn.net/PLANTTHESON/article/details/133324866

版权

前言

目前大多数的检测网络都喜欢用卷积神经网络逐层抽象，提取多个层次的特征。高层次网络感受野大，语义信息表征能力强，但特征图分辨率比较低，空间几何特征缺乏；低层次网络虽然感受野小，语义信息表达能力也较弱，但特征图分辨率大，空间几何细节充分。所以对各层次特征进行融合，对最后的检测网络比较有利。

要解决的问题

自FPN诞生以来，FPN已被广泛用于多尺度特征融合。近年来，PANet、NAS-FPN等研究发展了更多跨尺度特征融合的网络结构。以往的工作在融合不同输入特征的同时，大多是简单的总结，没有区别;然而，由于这些不同的输入特征具有不同的分辨率，本文观察到它们对融合输出特征的贡献通常是不均匀的。为了解决这一问题，提出了一种简单而高效的加权双向特征金字塔网络(BiFPN)，该网络引入可学习的权值来学习不同输入特征的重要性，同时反复应用自顶向下和自底向上的多尺度特征融合。
具体来说：

FPN：由于升降维度导致的信息损失问题，这在很多多尺度特征融合方法都存在，AugFPN通过引入一致性监督的方法，在特征金字塔的每一层引入一致性损失，使得不同尺度的特征能够保持一致性，从而提高了模型性能。同时FPN只有自顶向下的过程，就很难把低层信息传递到最后一层。

PANet：相比于FPN，PANet多了一个自底向上的传递，让图像的低层信息也能得到冲分的利用，但是BiFPN认为PANet中的单节点能够获取的信息并不多，却增加了模型的参数，是一个弊大于利的操作

NAS-FPN：NAS-FPN在FPN的设计上进行了优化，通过引入更多的新层来增强模型的性能。但是融合输出特征的贡献通常是不均匀的。BiFPN引入可学习的权值来学习不同输入特征的重要性。

BiFPN

作者是对PANet提出了三种优化思路：

1.若一个结点只有一个输入，且不存在特征融合，那么它对整体的特征网络贡献比较小，可以将其切除，所以由PANet得到如下简化结构：

2.如果原始输入与输出节点处于同一级别，则在原始输入和输出节点之间添加一条额外的边，以便在不增加成本的情况下融合更多功能。

3. 可以将每一个双向路径（top-down + down-top）视为一个特征网络层，并且重复多次，以启用更高级别的特征融合。

关于加权

在特征融合过程中，因为分辨率不同，所以需要Resize，但是因为不同的特征输入分辨率不同，对最终特征网络的输出贡献也应该会有所差异，所以需要让网络去学习这个weights，作者提出三种方案：

1. 一般的加权特征融合

$O = \sum_{i}^{}w_{i}I_{i}$

$w_{i}$ 可能是基于每个特征的标量，也可能是针对每个channel的向量，异或是对每一个像素的多维张量。

缺陷：由于 $w_{i}$ 不加约束，会导致训练过程中的不稳定，难以收敛。

2.基于softmax的特征融合（将所有的权重归一化到0-1之间）

$O = \sum_{i}^{}\frac{e^{w_{i}}}{\sum_{j}^{e^{w_{j}}}}$

缺陷：会导致训练速度明显变慢（个人估计可能是大量的指数运算导致的）

3.快速归一化特征融合

$O = \sum_{i}^{}\frac{w_{i}}{\varepsilon +\sum_{j}^{_{w_{j}}}}I_{i}$

$w_{i}$ >=0通过Relu来保证， $\varepsilon$ =0.0001确保数值的稳定。因为避免了Softmax操作，训练速度大幅度提高。

所以基于双向跨尺度连接和快速归一化特征融合，形成最终的加权双向特征金字塔网络

代码部分：

1.获得的输入特征p3,p4,p5，进行两次下采样得到p6,p7。之后在经过1*1卷积调整通道后，得到p3
_in,p4_in,p5_in,p6_in,p7_in

对应代码：

p3_in = self.p3_down_channel(p3)
p4_in_1 = self.p4_down_channel(p4)
p5_in_1 = self.p5_down_channel(p5)
p4_in_2 = self.p4_down_channel_2(p4)
p5_in_2 = self.p5_down_channel_2(p5)
p6_in = self.p5_to_p6(p5)
p7_in = self.p6_to_p7(p6_in)

2、在获得P3_ in. P4_ _in_ _1、P4_ _in_ 2、P5_ in. _1、P5_ _in_ _2、P6_ in. P7_ _in之后需要对P7_ _in进行上采样，上采样后与P6_ in堆叠获得P6_ td; 之后对P6_ _td进行上采样，上采样后与P5_ _in _1进行堆叠获得P5_ td; 之后对P5_ td进行上采样，上采样后与P4_ in. _1进行堆叠获得P4_ td;之后对P4_ _td进行上采样，上采样后与P3_ _in进行堆叠获得P3_ out.

代码实现：

# 简单的注意力机制，用于确定更关注p7_in还是p6_in
p6_w1 = self.p6_w1_relu(self.p6_w1)
weight = p6_w1 / (torch.sum(p6_w1, dim=0) + self.epsilon)
p6_up = self.conv6_up(self.swish(weight[0] * p6_in + weight[1] * self.p6_upsample(p7_in)))

# 简单的注意力机制，用于确定更关注p6_up还是p5_in
p5_w1 = self.p5_w1_relu(self.p5_w1)
weight = p5_w1 / (torch.sum(p5_w1, dim=0) + self.epsilon)
p5_up = self.conv5_up(self.swish(weight[0] * p5_in_1 + weight[1] * self.p5_upsample(p6_up)))

# 简单的注意力机制，用于确定更关注p5_up还是p4_in
p4_w1 = self.p4_w1_relu(self.p4_w1)
weight = p4_w1 / (torch.sum(p4_w1, dim=0) + self.epsilon)
p4_up = self.conv4_up(self.swish(weight[0] * p4_in_1 + weight[1] * self.p4_upsample(p5_up)))

# 简单的注意力机制，用于确定更关注p4_up还是p3_in
p3_w1 = self.p3_w1_relu(self.p3_w1)
weight = p3_w1 / (torch.sum(p3_w1, dim=0) + self.epsilon)
p3_out = self.conv3_up(self.swish(weight[0] * p3_in + weight[1] * self.p3_upsample(p4_up)))

3、在获得P3_ _out. P4_ td. P4_ _in_ _2、P5_ _td、 P5_ in_ 2. P6_ _in、 P6_ _td. P7_ in之后，之后需要对P3_ out进行下采样，下采样后与P4_ td. P4_ in_ 2堆叠获得P4_ _out; 之后对P4_ _out进行下采样，下采样后与P5_ _td、 P5_ in_ 2进行堆叠获得P5_ _out; 之后对P5_ _out进行下采样，下采样后与P6_ in. P6_ _td进行堆叠获得P6_ _out; 之后对P6_ _out进行下采样，下采样后与P7_ _in进行堆叠获得P7_ out。

代码实现：

# 简单的注意力机制，用于确定更关注p4_in_2还是p4_up还是p3_out
p4_w2 = self.p4_w2_relu(self.p4_w2)
weight = p4_w2 / (torch.sum(p4_w2, dim=0) + self.epsilon)
# Connections for P4_0, P4_1 and P3_2 to P4_2 respectively
p4_out = self.conv4_down(
    self.swish(weight[0] * p4_in_2 + weight[1] * p4_up + weight[2] * self.p4_downsample(p3_out)))

# 简单的注意力机制，用于确定更关注p5_in_2还是p5_up还是p4_out
p5_w2 = self.p5_w2_relu(self.p5_w2)
weight = p5_w2 / (torch.sum(p5_w2, dim=0) + self.epsilon)
p5_out = self.conv5_down(
    self.swish(weight[0] * p5_in_2 + weight[1] * p5_up + weight[2] * self.p5_downsample(p4_out)))

# 简单的注意力机制，用于确定更关注p6_in还是p6_up还是p5_out
p6_w2 = self.p6_w2_relu(self.p6_w2)
weight = p6_w2 / (torch.sum(p6_w2, dim=0) + self.epsilon)
p6_out = self.conv6_down(
    self.swish(weight[0] * p6_in + weight[1] * p6_up + weight[2] * self.p6_downsample(p5_out)))

# 简单的注意力机制，用于确定更关注p7_in还是p7_up还是p6_out
p7_w2 = self.p7_w2_relu(self.p7_w2)
weight = p7_w2 / (torch.sum(p7_w2, dim=0) + self.epsilon)
p7_out = self.conv7_down(self.swish(weight[0] * p7_in + weight[1] * self.p7_downsamp

4、将获得的P3_ _out、 P4_ _out、 P5_ _out、 P6_ _out、 P7_ _out作为P3_ in. P4_ in. P5_ _in、 P6_ _in. P7_ in,复2、3步骤进行堆叠即可，对于fricientdet B0来讲，还需要重复2次,需要注意P4_ _in_ .1和P4_ _in_ 2此时不需要分开了，P5也是。

代码实现：

p3_in, p4_in, p5_in, p6_in, p7_in = inputs

# 简单的注意力机制，用于确定更关注p7_in还是p6_in
p6_w1 = self.p6_w1_relu(self.p6_w1)
weight = p6_w1 / (torch.sum(p6_w1, dim=0) + self.epsilon)
p6_up = self.conv6_up(self.swish(weight[0] * p6_in + weight[1] * self.p6_upsample(p7_in)))

# 简单的注意力机制，用于确定更关注p6_up还是p5_in
p5_w1 = self.p5_w1_relu(self.p5_w1)
weight = p5_w1 / (torch.sum(p5_w1, dim=0) + self.epsilon)
p5_up = self.conv5_up(self.swish(weight[0] * p5_in + weight[1] * self.p5_upsample(p6_up)))

# 简单的注意力机制，用于确定更关注p5_up还是p4_in
p4_w1 = self.p4_w1_relu(self.p4_w1)
weight = p4_w1 / (torch.sum(p4_w1, dim=0) + self.epsilon)
p4_up = self.conv4_up(self.swish(weight[0] * p4_in + weight[1] * self.p4_upsample(p5_up)))

# 简单的注意力机制，用于确定更关注p4_up还是p3_in
p3_w1 = self.p3_w1_relu(self.p3_w1)
weight = p3_w1 / (torch.sum(p3_w1, dim=0) + self.epsilon)
p3_out = self.conv3_up(self.swish(weight[0] * p3_in + weight[1] * self.p3_upsample(p4_up)))


# 简单的注意力机制，用于确定更关注p4_in还是p4_up还是p3_out
p4_w2 = self.p4_w2_relu(self.p4_w2)
weight = p4_w2 / (torch.sum(p4_w2, dim=0) + self.epsilon)
# Connections for P4_0, P4_1 and P3_2 to P4_2 respectively
p4_out = self.conv4_down(
    self.swish(weight[0] * p4_in + weight[1] * p4_up + weight[2] * self.p4_downsample(p3_out)))

# 简单的注意力机制，用于确定更关注p5_in还是p5_up还是p4_out
p5_w2 = self.p5_w2_relu(self.p5_w2)
weight = p5_w2 / (torch.sum(p5_w2, dim=0) + self.epsilon)
p5_out = self.conv5_down(
    self.swish(weight[0] * p5_in + weight[1] * p5_up + weight[2] * self.p5_downsample(p4_out)))

# 简单的注意力机制，用于确定更关注p6_in还是p6_up还是p5_out
p6_w2 = self.p6_w2_relu(self.p6_w2)
weight = p6_w2 / (torch.sum(p6_w2, dim=0) + self.epsilon)
p6_out = self.conv6_down(
    self.swish(weight[0] * p6_in + weight[1] * p6_up + weight[2] * self.p6_downsample(p5_out)))

# 简单的注意力机制，用于确定更关注p7_in还是p7_up还是p6_out
p7_w2 = self.p7_w2_relu(self.p7_w2)
weight = p7_w2 / (torch.sum(p7_w2, dim=0) + self.epsilon)
p7_out = self.conv7_down(self.swish(weight[0] * p7_in + weight[1] * self.p7_downsample(p6_out)))

代码地址：bubbliiiing

参考：Pytorch搭建Efficientdet目标检测平台

EfficientDet论文和代码解析

【读点论文】EfficientDet: Scalable and Efficient Object Detection，改进特征融合层，BiFPN双向融合特征便于框信息回归，类别分类