用于目标检测的带网格锚框的跳跃特征金字塔网络
计算机视觉与模式识别
2023-10-24 v1
摘要
基于 CNN 的目标检测方法近年来取得了显著进展。CNN 的经典结构由于池化或其他重缩放操作而产生类金字塔的特征图。特征金字塔不同层级的特征图用于检测不同尺度的目标。为了更准确的目标检测，分辨率最低、语义最强的最高层特征被上采样并与低层特征连接，以增强低层特征中的语义。然而，经典的特征连接方式将低层特征与其上方所有特征相结合，可能导致语义退化。本文中，我们提出一种跳跃连接，以在特征金字塔每一层获得更强的语义。在我们的方法中，低层特征仅与最高层特征连接，使得每一层负责检测固定尺度目标更为合理。此外，我们简化了用于边界框回归的锚框生成，可进一步提升目标检测精度。在 MS COCO 和 Wider Face 上的实验表明，我们的方法优于最先进的方法。
引用
@article{arxiv.2310.14453,
title = {Skipped Feature Pyramid Network with Grid Anchor for Object Detection},
author = {Li Pengfei and Wei Wei and Yan Yu and Zhu Rong and Zhou Liguo},
journal= {arXiv preprint arXiv:2310.14453},
year = {2023}
}