目標檢測論文解讀13——FPN

引言網絡

  對於小目標一般須要用到多尺度檢測,做者提出的FPN是一種快速且效果好的多尺度檢測方法。spa

方法blog

  

  a,b,c是以前的方法,其中a,c用到了多尺度檢測的思想,但他們都存在明顯的缺點。圖片

  a方法:把每圖片都進行縮放,在進行檢測,這種作法最大的問題是太慢,由於要多花好幾倍的時間;class

  c方法:其實就是SSD論文中用到的方法,feature map一層層下采樣,而後對不一樣scale的feature map之間進行預測,這種作法最大的缺點就是底層feature map分辨率高可是語義信息弱,分類不許;原理

  而做者在論文中提出的新方法——FPN(特徵金字塔網絡),速度跟c同樣快同時比c更準。map

  其實原理很是簡單:方法

  咱們知道,底層的feature map分辨率高可是語義信息弱,頂層的feature map分辨率低可是語義信息強,所以只用將頂層的語義信息傳給底層,就能讓其分類更精準。im

  

  做者採用的方法,就是將上層的feature map上採樣到2倍,而後跟通過1*1 conv的相鄰下層feature map直接相加。總結

總結

  FPN論文的貢獻很是大,提出讓不一樣層的feature map信息融合的思想,廣爲後人借鑑。好比SSD的升級版DSSD,用到的反捲積層就是一樣的原理,效果也很是好。

相關文章
相關標籤/搜索