摘要
特征金字塔被最先进的一阶段目标检测器(如DSSD、RetinaNet、RefineDet)和两阶段目标检测器(如Mask RCNN、DetNet)广泛利用,以缓解跨目标实例的尺度变化所带来的问题。虽然这些带有特征金字塔的目标检测器取得了不错的结果,但由于它们只是简单地根据原本用于对象分类任务的骨干网固有的多尺度金字塔结构构造特征金字塔,因此存在一定的局限性。因此,坐着提出了多级特征金字塔网络(MLFPN)来构建检测不同尺度目标更有效的金子塔。
方法:
- 首先,将骨干网提取的多级特征(即多层)融合为基本特征。
- 其次,将基本特征输入到交替连接的u型减薄模块和特征融合模块中,利用每个U型模块的解码器层作为检测目标的特征。
- 最后,我们将具有等价尺度(大小)的解码器层集合起来,构造一个用于目标检测的特征金字塔,其中每个特征映射由多个层次的层(特征)组成。
为了评估所提出的多目标检测器(MLFPN)的有效性,设计并训练了一种功能强大的端到端单级目标检测器(M2Det),将其集成到SSD的体系结构中,该检测器的检测性能优于目前最先进的单级检测器。
介绍
a. SSD:分别在骨架网络中的两层和额外四层(分辨率降低一半)特征图上进行预测
b. FPN :自顶向下融合深层和浅层,构建特征金字