ssFPN：基于尺度序列（S^2）特征的面向目标检测的特征金字塔网络
计算机视觉与模式识别
2022-08-26 v2
摘要
特征金字塔网络（FPN）已成为目标检测模型考虑目标多尺度的关键模块。然而，小目标的平均精度（AP）相对低于中、大目标的 AP。原因在于 CNN 的更深层级随特征提取层级导致信息丢失。我们提出一种 FPN 的新尺度序列（S^2）特征提取方法，以增强小目标的特征信息。我们将 FPN 结构视为尺度空间，并通过在 FPN 的层级轴上进行 3D 卷积提取尺度序列（S^2）特征。它本质上是尺度不变特征，并构建于面向小目标的高分辨率金字塔特征图之上。此外，所提 S^2 特征可扩展至大多数基于 FPN 的目标检测模型。我们证明所提 S2 特征能提升单阶段与两阶段检测器在 MS COCO 数据集上的性能。基于所提 S2 特征，YOLOv4-P5 与 YOLOv4-P6 分别实现最高 1.3% 与 1.1% 的 AP 提升。对于 Faster RCNN 与 Mask R-CNN，借助所提 S^2 特征分别观察到最高 2.0% 与 1.6% 的 AP 提升。
引用
@article{arxiv.2208.11533,
title = {ssFPN: Scale Sequence (S^2) Feature Based-Feature Pyramid Network for Object Detection},
author = {Hye-Jin Park and Young-Ju Choi and Young-Woon Lee and Byung-Gyu Kim},
journal= {arXiv preprint arXiv:2208.11533},
year = {2022}
}