BAFPN：通过双向特征对齐提高局部定位精度
计算机视觉与模式识别
2024-12-04 v1
摘要
当前最先进的视觉模型常用于特征金字塔以提取多尺度信息，其中特征金字塔网络（FPN）是最广泛使用的经典架构之一。然而，传统FPN及其变体（如AUGFPN、PAFPN）未能充分解决全局尺度上的空间错位问题，导致在高精度目标局部定位方面性能不佳。本文提出一种新型的双向对齐特征金字塔网络（BAFPN），通过空间特征对齐模块（SPAM）在自底向上的信息传播阶段实现全局特征对齐。随后，在自顶向下阶段通过细粒度语义对齐模块（SEAM）进一步缓解跨尺度特征融合导致的混叠效应。在DOTAv1.5数据集上，BAFPN分别使基线模型的AP75、AP50和mAP提升1.68%、1.45%和1.34%。此外，BAFPN在应用于各种先进检测器时也显示出显著的性能提升。
引用
@article{arxiv.2412.01859,
title = {BAFPN: Bi directional alignment of features to improve localization accuracy},
author = {Li Jiakun and Wang Qingqing and Dong Hongbin and Li Kexin},
journal= {arXiv preprint arXiv:2412.01859},
year = {2024}
}
备注
7 page