【论文笔记】：EFPN

&Title

• Extended Feature Pyramid Network for Small Object Detection
• 代码

&Summary

挑战： 小物体检测仍然是一个尚未解决的挑战，因为很难仅提取几个像素的小物体信息。

先前工作： 虽然在特征金字塔网络中进行尺度级别的相应检测可以缓解此问题，但我们发现各种尺度的特征耦合仍然会损害小物体的性能。

ours methods： 提出了扩展特征金字塔网络（EFPN），它具有专门用于小目标检测的超高分辨率金字塔等级。
具体来说：

• 设计了一个新颖的模块，称为特征纹理转移（FTT），该模块用于超分辨特征并同时提取可信的区域细节。
• 设计了前景-背景平衡损失函数来减轻前景和背景的面积不平衡。

效果： 所提出的EFPN在计算和存储上都是有效的，并且在小型交通标志数据集清华腾讯100K和小型通用对象检测数据集MS COCO上产生了最新的结果。

contributions：

• 我们提出了扩展特征金字塔网络（EFPN），它可以提高小物体检测的性能。
• 我们设计了一个基于关键特征参考的SR模块，称为特征纹理转移（FTT），为扩展的特征金字塔提供了可信的细节，从而可以更精确地检测小物体。
• 引入了前景背景平衡损失函数，以引起人们对正像素的注意，减轻了前景和背景的面积失衡。
• 我们的高效方法大大提高了探测器的性能，并成为清华腾讯100K和小类别的探测器的最新技术

&Research Objective

• 小目标检测

虽然在特征金字塔网络中进行尺度级别的相应检测可以缓解此问题，但作者