CBNet：一种用于目标检测的新型复合骨干网络架构
计算机视觉与模式识别
2019-09-10 v1
摘要
在现有基于CNN的检测器中，骨干网络是基础特征提取的重要组件，检测器的性能高度依赖于它。本文旨在通过由现有骨干网络（如ResNet和ResNeXt）构建更强大的骨干网络来实现更好的检测性能。具体而言，我们提出一种新颖策略，通过相邻骨干网络间的复合连接来组装多个相同骨干网络，形成更强大的名为复合骨干网络（CBNet）的架构。以此方式，CBNet以逐阶段方式将前一骨干网络（即高层特征）的输出特征作为后续骨干网络的部分输入特征迭代馈入，最终使用最后一骨干网络（称为主导骨干）的特征图进行目标检测。我们表明CBNet可非常容易地集成至大多数最先进检测器中并显著提升其性能。例如，它将FPN、Mask R-CNN和Cascade R-CNN在COCO数据集上的mAP提升约1.5至3.0个百分点。同时，实验结果表明实例分割结果亦可改善。特别地，通过将所提CBNet简单集成至基线检测器Cascade Mask R-CNN，我们以单模型在COCO数据集上取得新的最先进结果（mAP为53.3），证明了所提CBNet架构的有效性。代码将发布于https://github.com/PKUbahuangliuhe/CBNet。
引用
@article{arxiv.1909.03625,
title = {CBNet: A Novel Composite Backbone Network Architecture for Object Detection},
author = {Yudong Liu and Yongtao Wang and Siwei Wang and TingTing Liang and Qijie Zhao and Zhi Tang and Haibin Ling},
journal= {arXiv preprint arXiv:1909.03625},
year = {2019}
}
备注
7 pages,6 figures