A^2-FPN:基于注意力聚合的特征金字塔网络用于实例分割
计算机视觉与模式识别
2021-05-10 v1
摘要
学习金字塔形特征表示对于识别不同尺度的物体实例至关重要。特征金字塔网络(FPN)是构建具有全程高级语义的特征金字塔的经典架构。然而,特征提取与融合中的固有缺陷阻碍了FPN进一步聚合更具判别力的特征。本工作中,我们提出基于注意力聚合的特征金字塔网络(A^2-FPN),通过注意力引导的特征聚合改进多尺度特征学习。在特征提取中,它通过收集-分发多级全局上下文特征来提取判别性特征,并缓解因通道急剧减少导致的语义信息损失。在特征融合中,它聚合来自相邻特征的互补信息以生成位置相关的重组装核用于内容感知采样,并采用通道重加权在逐元素相加前增强语义一致性。A^2-FPN在不同实例分割框架上显示出一致增益。通过在Mask R-CNN中用A^2-FPN替换FPN,当使用ResNet-50和ResNet-101作为骨干时,我们的模型分别将mask AP性能提升2.1%和1.6%。此外,当集成进Cascade Mask R-CNN和Hybrid Task Cascade等强基线时,A^2-FPN分别实现了2.0%和1.4%的mask AP提升。
引用
@article{arxiv.2105.03186,
title = {A^2-FPN: Attention Aggregation based Feature Pyramid Network for Instance Segmentation},
author = {Miao Hu and Yali Li and Lu Fang and Shengjin Wang},
journal= {arXiv preprint arXiv:2105.03186},
year = {2021}
}
备注
CVPR2021