【论文笔记】：IPG-Net: Image Pyramid Guidance Network for Object Detection

&Title:

• IPG-Net: Image Pyramid Guidance Network for Object Detection
• Accepted by CVPR2020 Anti-UVA workshop

&Summary

在深度卷积网络中，随着卷积层变得更深而导致位置或空间信息的丢失，这种空间信息的丢失导致目标检测中的特征未对准。这里，特征未对齐意味着锚点和卷积特征之间存在一些偏移。除了对视空间信息外，较小的目标也很容易在更深的卷积层中丢失。解决这一问题的关键问题就在于，如何获取浅层的足够的语义信息，来解决上诉的两个问题：

• 特征不对齐
• 小目标在深层中丢失

作者引入了图像金字塔，以便在主干网络的特征金字塔的每个阶段提供更多的空间信息，来解决上诉问题。
其中图像金字塔是从浅层子网获得的，它具有更丰富的空间信息，尤其是对小物体。然后设计了一个融合模块，将新的图像金字塔特征融合到骨干网络中。

contributions：

• 我们提出了一种新的图像金字塔引导（IPG）网络，以解决深层中的空间信息和小物体特征丢失的问题。
• 我们设计了一个新的浅层图像金字塔引导子网，以提取图像金字塔特征，它既灵活又轻巧。
• 我们还设计了一个灵活的融合模块，该模块简单但有效。

&Research Objective

• 获取浅层足够的语义信息

  For Convolutional Neural Network based object detection, there is a typical dilemma: the spatial information is well kept in the
  shallow layers which unfortunately do not have enough semantic
  information, while the deep layers have high semantic concept but
  lost a lot of spatial information, resulting in serious information
  imbalance.

• 解决特征不对齐问题

  FPN，主要解决了浅层缺少高语义信息的问题。 尽管特征金字塔网络可以提供浅层特征的语义信息，但在深层特征中仍然存在特征未