【论文笔记】：Residual Bi-Fusion Feature Pyramid Network for Accurate Single-shot Object Detection

&Title

• Residual Bi-Fusion Feature Pyramid Network for Accurate Single-shot Object Detection
• 代码

&Summary

原始FP缺乏自下而上的途径来抵消来自较低层特征图的丢失信息。它在大型目标检测中表现良好，但在小型目标检测中表现较差。

本文提出了一种新的结构“残差金字塔”。双向融合深度特征和浅层特征，以实现对小型和大型目标的更有效，更可靠的检测。

• 由于具有“residual”性质，因此与其他双向方法相比，可以轻松地对其进行训练并将其集成到不同的主干（甚至更深或更轻）上。
• residual FP的一个重要特性是：即使采用更多层，仍可以发现精度的提高。

在VOC和MS COCO数据集上进行的大量实验表明，该方法获得了SoTA结果，可实现高精度，高效的目标检测。

关键词：残差、双向。

&Research Objective

• 为了在深层次提高小目标检测精度和效率
• 为了保持大尺寸和小尺寸目标检测结果的一致性

&Problem Statement

FP是一种自上而下的聚合，可收集语义上强大的功能，以改善两阶段和一阶段检测器中的尺度不变性。

• 但是，由于池的移位效应，该自上而下的路径无法保留准确的对象位置。因此，当使用更多层时，FP提高检测精度的优势将消失。

FPN是一种自上而下的方法，可从最后一层引入语义上强大的功能，以从背景中区分