SFPN：用于目标检测的合成特征金字塔网络
计算机视觉与模式识别
2022-03-07 v1
摘要
FPN（Feature Pyramid Network，特征金字塔网络）已成为大多数SoTA单阶段目标检测器的基本组件。许多先前研究反复证明，若对象尺寸不同，FPN能捕获更好的多尺度特征图以更精确地描述对象。然而，对于VGG、ResNet或DenseNet等多数骨干网络，因池化操作或步长为2的卷积，各层特征图被缩小为原来的四分之一。按2倍下缩放的间隔过大，使其FPN无法平滑融合特征。本文提出一种新的SFPN（Synthetic Fusion Pyramid Network，合成融合金字塔网络）架构，其在原始FPN各层间创建多种合成层，以提升轻量CNN骨干网络精确提取对象视觉特征的精度。最终，实验证明基于AP分数，SFPN架构优于大型骨干VGG16、ResNet50或如MobilenetV2般的轻量骨干。
引用
@article{arxiv.2203.02445,
title = {SFPN: Synthetic FPN for Object Detection},
author = {Yu-Ming Zhang and Jun-Wei Hsieh and Chun-Chieh Lee and Kuo-Chin Fan},
journal= {arXiv preprint arXiv:2203.02445},
year = {2022}
}