AFPN：用于目标检测的无渐近特征金字塔网络
计算机视觉与模式识别
2023-09-26 v2
摘要
多尺度特征在编码目标检测任务中具有尺度方差的目标时至关重要。多尺度特征提取的常用策略是采用经典的自上而下和自下而上的特征金字塔网络。然而，这些方法存在特征信息丢失或退化的问题，损害了非相邻层级之间的融合效果。本文提出一种渐近特征金字塔网络（AFPN）以支持非相邻层级之间的直接交互。AFPN 通过融合两个相邻的低层特征启动，并渐近地将更高层特征纳入融合过程。以此方式，可以避免非相邻层级之间较大的语义鸿沟。鉴于在每个空间位置的特征融合过程中可能出现多目标信息冲突，进一步采用自适应空间融合操作来缓解这些不一致性。我们将提出的 AFPN 集成到两阶段和单阶段目标检测框架中，并使用 MS-COCO 2017 验证集和测试集进行评估。实验评估表明，我们的方法取得了比其他最先进的特征金字塔网络更具竞争力的结果。代码可在 https://github.com/gyyang23/AFPN 获取。
引用
@article{arxiv.2306.15988,
title = {AFPN: Asymptotic Feature Pyramid Network for Object Detection},
author = {Guoyu Yang and Jie Lei and Zhikuan Zhu and Siyu Cheng and Zunlei Feng and Ronghua Liang},
journal= {arXiv preprint arXiv:2306.15988},
year = {2023}
}