M2Det：基于多级特征金字塔网络的单阶段目标检测器
计算机视觉与模式识别
2019-01-08 v3
摘要
特征金字塔被广泛用于最先进的一阶段目标检测器（如 DSSD、RetinaNet、RefineDet）与两阶段目标检测器（如 Mask R-CNN、DetNet）以缓解目标实例间尺度变化所引起的问题。尽管这些带特征金字塔的目标检测器取得了令人鼓舞的结果，它们存在某些局限，因为它们仅依据主干网络固有的多尺度金字塔架构简单构建特征金字塔，而主干网络实际是为目标分类任务设计的。近来，本工作中我们提出一种称为多级特征金字塔网络（MLFPN）的方法，为检测不同尺度目标构建更有效的特征金字塔。首先，我们将主干提取的多级特征（即多个层）融合作为基础特征。其次，我们将基础特征送入由交替连接的 Thinned U 形模块与特征融合模块组成的块中，并利用每个 U 形模块的解码层作为检测目标的特征。最后，我们将尺度（尺寸）等价的解码层汇聚以构建用于目标检测的特征金字塔，其中每个特征图由来自多个层的层（特征）组成。为评估所提 MLFPN 的有效性，我们将其集成进 SSD 架构中设计并训练了一个强大的端到端一阶段目标检测器，称为 M2Det，其检测性能优于最先进的一阶段检测器。具体而言，在 MS-COCO 基准上，M2Det 在单尺度推理策略下以 11.8 FPS 速度取得 41.0 的 AP，在多尺度推理策略下取得 44.2 的 AP，这是一阶段检测器中的新 SOTA 结果。代码将发布于 \url{https://github.com/qijiezhao/M2Det}。
引用
@article{arxiv.1811.04533,
title = {M2Det: A Single-Shot Object Detector based on Multi-Level Feature Pyramid Network},
author = {Qijie Zhao and Tao Sheng and Yongtao Wang and Zhi Tang and Ying Chen and Ling Cai and Haibin Ling},
journal= {arXiv preprint arXiv:1811.04533},
year = {2019}
}
备注
AAAI19