面向目标检测的注意力引导上下文特征金字塔网络
计算机视觉与模式识别
2020-05-26 v1
摘要
对于目标检测，如何在高分辨率输入上解决特征图分辨率与感受野之间的矛盾需求仍然是一个悬而未决的问题。在本文中，为解决这一问题，我们构建了一种新颖的架构，称为注意力引导上下文特征金字塔网络（AC-FPN），它通过整合注意力引导的多路径特征来利用来自各种大感受野的判别性信息。该模型包含两个模块。第一个是上下文提取模块（CEM），它探索来自多个感受野的大范围上下文信息。由于冗余的上下文关系可能误导定位与识别，我们还设计了第二个模块，称为注意力引导模块（AM），它能够通过使用注意力机制自适应地捕获目标上的显著依赖关系。AM 由两个子模块组成，即上下文注意力模块（CxAM）和内容注意力模块（CnAM），分别专注于捕获判别性语义和定位精确位置。最重要的是，我们的 AC-FPN 可以轻松地插入现有的基于 FPN 的模型中。在目标检测和实例分割上的大量实验表明，配备了我们提出的 CEM 和 AM 的现有模型显著超越了其未配备这些模块的对应模型，且我们的模型成功获得了最先进的结果。我们已在 https://github.com/Caojunxu/AC-FPN 发布了源代码。
引用
@article{arxiv.2005.11475,
title = {Attention-guided Context Feature Pyramid Network for Object Detection},
author = {Junxu Cao and Qi Chen and Jun Guo and Ruichao Shi},
journal= {arXiv preprint arXiv:2005.11475},
year = {2020}
}