CE-FPN:增强通道信息以用于目标检测
计算机视觉与模式识别
2021-03-22 v1
摘要
特征金字塔网络(FPN)已成为目标检测中提取多尺度特征的有效框架。然而,当前基于FPN的方法大多受限于通道缩减的固有缺陷,这带来了语义信息的损失。并且混杂的融合特征图可能导致严重的混叠效应。本文中,我们提出一种新颖的通道增强特征金字塔网络(CE-FPN),包含三个简单而有效的模块以缓解这些问题。具体而言,受亚像素卷积启发,我们提出一种亚像素跳跃融合方法,同时实现通道增强与上采样。它替代原始的1x1卷积与线性上采样,减轻了因通道缩减导致的信息损失。随后我们提出一种亚像素上下文增强模块以提取更多特征表示,由于利用亚像素卷积的丰富通道信息,其优于其他上下文方法。此外,引入通道注意力引导模块以优化各层级上最终的集成特征,仅以少许计算负担缓解了混叠效应。我们的实验表明,在MS COCO基准上,CE-FPN相比最先进的基于FPN的检测器取得了具竞争力的性能。
引用
@article{arxiv.2103.10643,
title = {CE-FPN: Enhancing Channel Information for Object Detection},
author = {Yihao Luo and Xiang Cao and Juntao Zhang and Xiang Cao and Jingjuan Guo and Haibo Shen and Tianjiang Wang and Qi Feng},
journal= {arXiv preprint arXiv:2103.10643},
year = {2021}
}
备注
9pages