FPN
很多论文中都会采用含有FPN的backbone进行特征提取,因为FPN使用特征金字塔结构,将low-level的特征和high-level的特征进行融合,能提取更加准确的位置等特征信息。
所以今天打算读一读FPN的论文,
文章目录
该内容采用: 摘录重点部分+提出问题的方式,来阅读该篇论文。 后面会逐一的解答提出来的的问题。
make decision
- 论文名称:Feature Pyramid Networks for Object Detection
中文翻译过来就是用于目标检测的特征金字塔网络, 大概可以知道 该网络在多层的特征图上提取特征。
- 作者:Tsung-Yi Lin, Piotr Dollár, Ross Girshick, Kaiming He, Bharath Hariharan, and Serge Belongie
- 机构:Facebook AI ,Cornell University and Cornell Tech
- 年份: 2016
- 是否精读:是
- 做出决定日期:2021-4-22
- 论文地址:https://arxiv.org/abs/1612.03144
作者提出的多尺度的object detection算法:FPN(feature pyramid networks)。原来多数的object detection算法都是只采用顶层特征做预测,但我们知道低层的特征语义信息比较少,但是目标位置准确;高层的特征语义信息比较丰富,但是目标位置比较粗略。另外虽然也有些算法采用多尺度特征融合的方式,但是一般是采用融合后的特征做预测,而本文不一样的地方在于预测是在不同特征层独立进行的。
step1:读摘要
作者利用深度卷积网络固有的多尺度金字塔层次结构来构造具有边际额外成本(marginal extra cost)的特征金字塔。 开发了一种具有横向连接的自顶向下的体系结构,用于构建所有比例的高级语义特征图。 这种被称为特征金字塔网络(FPN)的体系结构,在一些应用中作为一种通用的特征提取器展示了很大的进步
此外作者还指出在当时coco检测基准上实现了SOTA效果。
- Q1: 特征金字塔的边际额外成本(marginal extra cost)具体指的是什么?
- Q2: 特征金字塔这具有横向连接的自顶向下的体系结构中 横向连接(lateral con