论文阅读:(AAAI 2019)M2det: A single-shot object detector based on multi-level feature pyramid network_a detector based on dl

大的背景

• 特征金字塔网络似乎已经成为了相关目标检测比赛的一些标配，而且不论是one-stage(DSSD, RetinaNet)，还是two-stages(Mask RCNN)
  • 铝型材表面瑕疵识别-Are you OK?队-1-解决方案 就用到了Faster-RCNN+FPN
• 但是这个也并不是无往不利的利器，它也有着它的缺陷：
  • 金字塔中提取的feature map往往没有足够的特征表达能力，因为这些feature map只是简单的根据主干网络的结构构成，但是这些主干网络起初是为目标识别而设计的。
  • 用来检测物体的每一个feature map，往往主要是single-level layers构成，这也导致了只能包含single-level信息。

论文中主要工作做了什么？

• 基于SSD，设计了Multi-Level Feature Pyramid Network(MLFPN),具体来讲，提出了3个模块层
  • FFM(Feature Fusion Module)(FFMv1, FFMv2)
  • TUMs(Thinned U-shape Modules)
  • SFAM(Scale-wise Feature Aggregation Module)
• 这篇论文有个特点，就是写的特别清楚，基本上看它的方法图，就能看懂做了什么，通俗易懂
  • 整体框架图：
    
  • FFMv1和FFMv2
    
  • TUMs:
    
  • SFAM:
    
• 直观感受一下，和其他金字塔的区别：
  

相比于FPN,有什么优点呢？

从最后作为预测特征前的feature map而言，相比于FPN, MLFPN中的decoder layer比backbone更深，这样可以解决前期提取特征表达能力不足，也可以解决single-level的问题。

相关的资源：

• 性能超FPN！北大、阿里等提多层特征金字塔网络 (写的还可以，有些标题党，不过原文也比较通俗易懂)
• 原文
• GitHub链接（Pytorch0.4）