FishNet：一种用于图像、区域与像素级预测的通用骨干网络
计算机视觉与模式识别
2019-01-14 v1
摘要
为不同层级（如图像级、区域级与像素级）目标预测设计卷积神经网络（CNN）结构的基本原则正趋于分化。通常，专为图像分类设计的网络结构被直接用作检测与分割等其他任务的默认骨干结构，但鲜有在设计骨干结构时考虑统一为像素级或区域级预测任务所设计网络的优势，而这些任务可能需要具有高分辨率的极深层特征。为此，我们设计了一种类鱼网络，称为 FishNet。在 FishNet 中，所有分辨率的信息均被保留并精炼用于最终任务。此外，我们观察到现有工作仍无法将梯度信息从深层直接传播至浅层。我们的设计能更好地处理该问题。我们进行了大量实验以证明 FishNet 的卓越性能。特别地，在 ImageNet-1k 上，FishNet 的准确率能够以更少的参数超越 DenseNet 与 ResNet。FishNet 被用作 COCO Detection 2018 挑战赛冠军方案中的模块之一。代码见 https://github.com/kevin-ssy/FishNet。
引用
@article{arxiv.1901.03495,
title = {FishNet: A Versatile Backbone for Image, Region, and Pixel Level Prediction},
author = {Shuyang Sun and Jiangmiao Pang and Jianping Shi and Shuai Yi and Wanli Ouyang},
journal= {arXiv preprint arXiv:1901.03495},
year = {2019}
}
备注
NeurIPS 2018. Code available at https://github.com/kevin-ssy/FishNet