MFPN：一种用于目标检测的多架构混合特征金字塔网络
计算机视觉与模式识别
2019-12-23 v1
摘要
特征金字塔被广泛用于许多检测器中以解决目标检测的尺度变化问题。本文首先研究特征金字塔网络（FPN）架构，并将其简要归纳为三种典型形式：自顶向下、自底向上和融合-拆分，它们分别在小、大和中型目标检测上各有优势。进一步，我们设计了三种不同架构的FPN，并提出一种新颖的混合特征金字塔网络（MFPN），其通过并行多分支架构组装这三种FPN并混合特征，继承了三类FPN的优点。MFPN能以极小的推理时延代价，在MS-COCO基准上使基于FPN的单阶段与双阶段检测器平均精度（AP）提升约2%。通过将MFPN与单阶段和双阶段基线检测器简单组装，我们在COCO检测基准上取得了具有竞争力的单模型检测结果，无需任何额外技巧。
引用
@article{arxiv.1912.09748,
title = {MFPN: A Novel Mixture Feature Pyramid Network of Multiple Architectures for Object Detection},
author = {Tingting Liang and Yongtao Wang and Qijie Zhao and huan zhang and Zhi Tang and Haibin Ling},
journal= {arXiv preprint arXiv:1912.09748},
year = {2019}
}
备注
7 pages, 3figures