用于目标检测的特征金字塔网络
计算机视觉与模式识别
2017-04-21 v2
摘要
特征金字塔是识别系统中用于检测不同尺度目标的基本组件。但近期的深度学习目标检测器避免了金字塔表示，部分原因是它们计算和内存开销大。在本文中，我们利用深度卷积网络固有的多尺度金字塔层次结构，以极小的额外代价构建特征金字塔。我们开发了一种带有横向连接的自顶向下架构，用于在所有尺度上构建高层语义特征图。这种称为 Feature Pyramid Network (FPN) 的架构作为通用特征提取器在多个应用中显示出显著改进。在基本的 Faster R-CNN 系统中使用 FPN，我们的方法无需额外技巧即在 COCO 检测基准上取得了 state-of-the-art 的单模型结果，超越了所有现有的单模型参赛作品，包括 COCO 2016 挑战赛获胜者的作品。此外，我们的方法可以在 GPU 上以 5 FPS 运行，因此是用于多尺度目标检测的实用且准确的解决方案。代码将公开发布。
关键词
引用
@article{arxiv.1612.03144,
title = {Feature Pyramid Networks for Object Detection},
author = {Tsung-Yi Lin and Piotr Dollár and Ross Girshick and Kaiming He and Bharath Hariharan and Serge Belongie},
journal= {arXiv preprint arXiv:1612.03144},
year = {2017}
}