一、摘要
特征金字塔是识别系统中用于检测不同比例物体 的基本组件。FPN是一种具有侧向连接(lateral connections)的自上而下的网络结构,用来构建不同尺寸的具有高级语义信息 的特征图。
二、引言
针对识别尺寸差异很大物体的任务,论文总结了四种解决方法:
1、利用图像金字塔构建特征金字塔
优点 :对每一种尺度的图像进行特征提取,能够产生多尺度的特征表示,每层特征图都具有较强的语义信息。
缺点 :(1)推理时间大幅增加;(2)占用内存巨大
2、常用目标检测网络
使用单个高层特征图进行预测
3、卷积网络的金字塔型特征层级
比如SSD就是利用不同层多尺度的特征图,但它存在的问题是:低层特征图语义信息不够,低层特征图的分辨率也不高 。SSD为了解决这个问题,它没有使用低层特征图,而是从conv4(一个到conv5)之后添加了几个新的卷积层用于多尺度。因此SSD错过了使用低层的高分辨率的特征图。
4、特征金字塔
本片论文使用的FPN,它能够使每一层不同尺度的特征图都具有较强的语义信息
三、金字塔结构
1、自底向上
FPN使用C2-C5进行预测(因为第一级的语义太低了),{C2,C3,C4,C5}表示conv2,conv3,conv4和conv5的输出层(最后一个残差block层)作为FPN的特征,分别对应于输入图片的下采样倍数为{4,8,16,32}
2、自顶向下
上采样采用最近邻插值法
最近邻插值可以最大程度的保留特征图的语义信息,从而与bottom-up过程中相应的具有丰富空间信息(高分辨率,有利于定位)的特征图进行融合,从而得到既有良好空间信息又有强烈的语义信息的特征图。
特征金字塔构造流程为:C5层先经过1X1卷积,改变特征图的特征数(文章中设置d为256,) ,M5通过上采样,在与C4经过1X1卷积后的特征图相加(对应相加),得到M4。同样地,会得到M3,M2。M层特征图再经过3X3卷积(以减轻最近邻差值带来的混叠影响)得到最终的P层。
RPN结构
Faster RCNN中的RPN是通过最后一层的特征图作为输入的,最后再经过3X3卷积,得到256个channel的卷积层,在分别经过两个1X1卷积得到类别得分和边框结果。对于特征图上的每一点,模型预设了9个框,它们包含不同的尺度和不同的长宽比例 。
FPN将RPN应用在了每一个P层,由于每个P层相对于原始图片具有不同的尺度,因此 作者将原始RPN中的尺度分离 (原来是利用3个不同尺度和比例生成9个anchor),让每个P层只处理一个尺度 ,具体来讲,是将{322, 642, 1282, 2562, 5122}这5中尺度应用在P2-P6这5个特征层上,每个特征层处理1:1,1:2,2:1三种比例,其中P6是有P5下采样得到的,用来处理512大小的框。
并且,上述的RPN网络参数是共享的。 因为研究发现共享与否对结果影响差别不大。这说明不同层级之间的特征具有相似的语义信息 。