論文閱讀:(AAAI 2019)M2det: A single-shot object detector based on multi-level feature pyramid network

大的背景

• 特徵金字塔網絡似乎已經成爲了相關目標檢測比賽的一些標配，而且不論是one-stage(DSSD, RetinaNet)，還是two-stages(Mask RCNN)
  • 鋁型材表面瑕疵識別-Are you OK?隊-1-解決方案 就用到了Faster-RCNN+FPN
• 但是這個也並不是無往不利的利器，它也有着它的缺陷：
  • 金字塔中提取的feature map往往沒有足夠的特徵表達能力，因爲這些feature map只是簡單的根據主幹網絡的結構構成，但是這些主幹網絡起初是爲目標識別而設計的。
  • 用來檢測物體的每一個feature map，往往主要是single-level layers構成，這也導致了只能包含single-level信息。

論文中主要工作做了什麼？

• 基於SSD，設計了Multi-Level Feature Pyramid Network(MLFPN),具體來講，提出了3個模塊層
  • FFM(Feature Fusion Module)(FFMv1, FFMv2)
  • TUMs(Thinned U-shape Modules)
  • SFAM(Scale-wise Feature Aggregation Module)
• 這篇論文有個特點，就是寫的特別清楚，基本上看它的方法圖，就能看懂做了什麼，通俗易懂
  • 整體框架圖：
    
  • FFMv1和FFMv2
    
  • TUMs:
    
  • SFAM:
    
• 直觀感受一下，和其他金字塔的區別：
  

相比於FPN,有什麼優點呢？

從最後作爲預測特徵前的feature map而言，相比於FPN, MLFPN中的decoder layer比backbone更深，這樣可以解決前期提取特徵表達能力不足，也可以解決single-level的問題。

相關的資源：

• 性能超FPN！北大、阿里等提多層特徵金字塔網絡 (寫的還可以，有些標題黨，不過原文也比較通俗易懂)
• 原文
• GitHub鏈接（Pytorch0.4）