IPG-Net：用于小目标检测的图像金字塔引导网络
计算机视觉与模式识别
2020-05-08 v3
摘要
对于基于卷积神经网络的目标检测，存在一个典型的困境：浅层保留了良好的空间信息但语义信息不足，而深层具有较高语义概念却丢失了大量空间信息，导致严重的信息不平衡。为使浅层获得足够的语义信息，特征金字塔网络（FPN）被用于构建自顶向下的传播路径。本文中，除自顶向下融合浅层信息外，我们提出一种称为图像金字塔引导网络（IPG-Net）的新颖网络，以确保每一层都拥有丰富的空间信息与语义信息。我们的IPG-Net包含两个主要部分：图像金字塔引导变换模块和图像金字塔引导融合模块。我们的核心思想是将图像金字塔引导引入骨干网络流中以解决信息不平衡问题，从而缓解小目标特征的消失。该IPG变换模块保证即使在骨干网络的最深阶段，仍有足够的空间信息用于边界框回归与分类。此外，我们设计了一种有效的融合模块，以融合来自图像金字塔的特征与来自骨干网络流的特征。我们尝试将该新颖网络应用于单阶段与两阶段检测模型，在最为流行的基准数据集（即MS COCO与Pascal VOC）上取得了最先进（state of the art）的结果。
引用
@article{arxiv.1912.00632,
title = {IPG-Net: Image Pyramid Guidance Network for Small Object Detection},
author = {Ziming Liu and Guangyu Gao and Lin Sun and Li Fang},
journal= {arXiv preprint arXiv:1912.00632},
year = {2020}
}
备注
Accepted by CVPR2020 Anti-UVA workshop