(FPN)Feature Pyramid Networks in object detection tasks

摘要

特征金字塔作为识别系统中用于检测多尺度目标的核心模块，其作用不可忽视。然而，近期基于深度学习的目标检测方法已逐渐摒弃了传统的金字塔表示结构，主要原因在于此类结构在计算资源和内存占用方面存在较高需求。本文提出了一种新的策略，通过深度卷积网络本身所具备的多尺度与层级化特性，构建出具有较低附加开销的特征金字塔。我们设计了一种包含横向连接的自顶向下架构，旨在于各个尺度上生成具有高级语义信息的特征图。该架构被命名为特征金字塔网络（FPN），在多个应用场景中展现出显著的性能提升，并可作为通用特征提取工具使用。将FPN应用于基础版本的Faster R-CNN系统中，在COCO目标检测基准数据集上取得了当前最优的单模型表现，其结果超越了所有已知单模型方法，包括COCO 2016挑战赛冠军方案。同时，该方法在GPU平台上可实现每秒6帧的处理速度，因而成为一种适用于多尺度目标检测任务的有效且精确的技术方案。相关代码将对外公开发布。

研究背景与问题提出

在计算机视觉领域，如何识别不同尺度的目标始终是一个基础性难题。以图像金字塔为依托的特征金字塔结构（以下简称特征化图像金字塔）被广泛视为常规解决方案的核心组成部分[1]（图1（a））。此类金字塔具备尺度不变的特性，其原理在于通过调整目标在金字塔层级中的位置来对冲尺度变化的影响。从直观角度来看，这一特性赋予模型在不同位置和层级