《Feature Pyramid Networks for Object Detection》发表在2017年CVPR上。
本文提出一种Feature Pyramid Networks(FPN)网络结构,能够在不影响速度的前提下融合多层特征,使每个level的特征都具有丰富的语义信息,提高CNN网络特征提取能力。理论上,FPN在CNN方法中是一个通用的方法。
1. 网络结构
在卷积神经网络中,前几层的特征图分辨率高,但是含有的语义信息少。高层的特征图则恰恰相反。
在目标检测任务中,由于目标大小的不一致,图像(特征)金字塔是一个很有效的手段。
A. Featurized image pyramid
通过调整输入图像的大小构建图像金字塔,从而构建特征金字塔。
将原图按比例进行缩放,输入到CNN网络中,从而提取的特征大小也不同。
该法虽然达到了检测不同大小目标的目的,但是需要多次地调整输入图像的大小,所以速度十分慢。
B. Single feature map