DetectoRS论文解读

DetectoRS: Detecting Objects with Recursive Feature Pyramid and Switchable Atrous Convolution

DetectoRS

DetectoRS是谷歌团队提出的目标检测模型，论文中探讨了目标检测中looking and thinking twice的机制，在宏观上提出了递归特征金字塔RFN(Recursive Feature Pyramid)，在微观上提出了可切换空洞卷积SAC(Switchable Atrous Convolution)。在COCO test-dev中取得了SOTA的结果，目标检测box mAP达到54.7，实例分割mask mAP达到47.1，全景分割PQ达到49.6。

Introduce

为了检测对象，人类视觉感知通过反馈连接传递高级语义信息，选择性地增强和抑制神经元的激活， 在人类视觉系统的启发下，looking and thinking twice的机制在计算机视觉领域得到实例化，并展示了卓越的性能。许多two-stage方法，比如Faster R-CNN，首先在特征图上进行候选区域提议，再对这些区域提取特征检测对象。沿着这个方向，Cascade R-CNN开发了一种 multi-stage检测器，通过多个检测器来不断的筛选和优化结果，论文中将这种级联的思想运用在backbone中，在宏观(RFN)与微观(SAC)两个方面部署该机制，以HTC作为baseline提出了DetectoRS，在具有相似inference time的情况下精度大大的提高。

Recursive Feature Pyramid

RFP是在FPN的基础上，反复的通过自下而上的backbone结构来丰富FPN的表征能力。

宏观上的设计：RFP

Feature Pyramid Networks

FPN提供了一条自上而下的路径来融合多个尺度特征图的特征，利用高层网络提取的语义信息和低层网络提取的细粒细节特征信息来预测多尺度的目标。

FPN结构 以下为FPN公式，其中Bi表示在backbone自下而上结构中的第i个stage操作，xi表示第i个stage的输出；Fi表示xi对应的自上而下的FPN操作，fi表示Fi的输出，i∈[1, S]，S表示backbone中stage个数：

FPN公式

其中f_S+1=0。

Recursive Feature Pyramid

论文中提出的递归特征金字塔(RFP)的思想就是添加反馈连接到FPN。