用于目标检测的带轻量线性空间 Transformer 的内容增强特征金字塔网络

作为当前目标检测模型中常用的组件之一，特征金字塔网络（Feature Pyramid Network, FPN）被广泛用于提升多尺度目标检测性能。然而，其特征融合方式仍存在错位与局部性的问题，从而限制了表征能力。为解决 FPN 的固有缺陷，本文提出一种称为内容增强特征金字塔网络（Content-Augmented Feature Pyramid Network, CA-FPN）的新颖架构。首先，提出全局内容提取模块（Global Content Extraction Module, GCEM）以提取多尺度上下文信息。其次，在自顶向下路径中添加轻量线性空间 Transformer 连接，以多尺度特征增强各特征图，其中设计了一种线性化近似自注意力函数以降低模型复杂度。借助 Transformer 中的自注意力机制，特征融合时不再需要对齐特征图，从而解决了错位缺陷。通过将查询范围设为整个特征图，局部性缺陷也得以解决。在 COCO 与 PASCAL VOC 数据集上的大量实验表明，我们的 CA-FPN 无需额外技巧即优于其他基于 FPN 的检测器，并在不同设置下具有鲁棒性。