题目:Parallel Feature Pyramid Network for Object Detection
作者:Seung-Wook Kim, Hyong-Keun Kook, Jee-Young Sun,Mun-Cheon Kang, and Sung-Jea Ko
Motivation:
作者认为像金字塔形式的Feature map的网络,限制了网络的表现,尤其对于小目标的检测。对此,作者提出PFPNET。如图d所示。
Related Works:
先直接上PFPNET网络结构图:
base network:预训练去掉全连接层的VGG16。
Bottleneck layer: conv1x1+batch norm +relu
FP pool: 就一般的池化
MSCA: 将
F
H
与
F
L
F_H与F_L
FH与FL的特征图组合在一起,并再将大特征图downsamping, 小特征图upsamping,到同一尺度,再concatenate.其中,
F
H
F_H
FH有D个channels,
F
L
有
(
N
−
1
)
×
D
/
(
N
−
1
)
=
D
F_L有(N-1)×D/(N-1)=D
FL有(N−1)×D/(N−1)=D(作者的目的就是凑成D)个channels,各占一半。此外,作者也做过去掉
F
H
F_H
FH,全由
F
L
F_L
FL组成Feature map的实验,但表现与预期一样不好。
details: 采用RfineDet的ARM方式来做Anchors.
PFPNET:
1)图像经过VGG16的base network后,产生WXHXD的Feature map
2) 再经SPP池化成N(图中为3)个high dimensional 的特征图
(
F
H
)
s
i
z
e
=
W
2
n
×
H
2
n
(F_H) size =\frac{W}{2^n} × \frac{H}{2^n}
(FH)size=2nW×2nHN:pyramid levels.
3)经过Bottleneck layer
(
H
L
n
)
(H_L^n)
(HLn),得到
(
F
L
)
c
h
a
n
n
e
l
=
D
/
(
N
−
1
)
(F_L)channel=D/(N-1)
(FL)channel=D/(N−1)
4)经MSCA,得到
P
L
P_L
PL;
5)最后采用RefineDet的方法进行训练(可以参考我的別一篇博客RefineDet)。
Experiment:
作者对N和C的值,做了对比:
也对ARM做对比,感觉很大程度是ARM的功劳。
VOC2007与2012的对比
从这也可以看出,在RefineDet的基础上有0.1-0.4的增点。
在COCO上,作者相对于RefineDet也有涨点,但没有做resnet101的对比。
在速度上就有了明显的优势。