CBNet：一种用于目标检测的复合骨干网络架构

现代性能最优的目标检测器严重依赖于骨干网络，骨干网络的进展通过探索更有效的网络结构带来了持续的性能提升。本文提出一种新颖且灵活的骨干框架，即 CBNetV2，用于在预训练-微调范式下利用现有开源预训练骨干构建高性能检测器。具体而言，CBNetV2 架构将多个相同的骨干分组，并通过复合连接进行连接。具体地，它整合多个骨干网络的高层与低层特征，并逐步扩大感受野以更高效地进行目标检测。我们还提出了一种带辅助监督的更优训练策略用于基于 CBNet 的检测器。无需对复合骨干进行额外预训练，CBNetV2 可适配各类骨干（基于 CNN 与基于 Transformer）以及大多数主流检测器（单阶段与两阶段、基于锚框与无锚框）的头部设计。实验有力证明，相较于简单增加网络深度与宽度，CBNetV2 引入了一种更高效、有效且资源友好的方式来构建高性能骨干网络。特别地，我们的 Dual-Swin-L 在单模型单尺度测试协议下于 COCO test-dev 上取得 59.4% box AP 与 51.6% mask AP，显著优于 Swin-L 所取得的 SOTA 结果（57.7% box AP 与 50.2% mask AP），同时训练 schedule 缩减了 6$\times$。采用多尺度测试，我们在不使用额外训练数据的情况下将当前最佳单模型结果推至 60.1% box AP 与 52.3% mask AP 的新纪录。代码见 https://github.com/VDIGPKU/CBNetV2。