【实例分割】6、PAN | 反向 FPN! 自下向上的特征融合_pan 特征融合

论文：Path Aggregation Network for Instance Segmentation

代码：https://github.com/ShuLiu1993/PANet

出处：CVPR2018 | 香港大学 北大 商汤 腾讯优图

一、背景

PANet 的动机：

• 低层特征的信息对高层也很重要，但传输路径很长，增加了传输准确定位信息的难度
• 每个 proposal 都是基于单层特征的 grid 预测的，缺失了其他层特征的信息
• Mask 的预测是基于单个层的，没有和其他更有力的特征结合

PANet 做了什么（前两点也适用于目标检测）：

• 在 FPN 的后面增加了一个自底向上的路径：为了缩短信息传输路径，并强化低层特征的准确定位信息的作用，建立了一个自底向上的信息传输路径，融合方式如图 2（3x3-s=2 的 conv 进行下采样，然后后 P 进行逐点相加，之后再使用 3x3 conv 进行特征融合，增强表达能力，最后再使用 ReLU 进行非线性化，N2 直接复制 P2，N3-N5 使用如图 2 的融合方式）
• 增加了两个 shortcut 连接：图 1 中的绿色和红色线，
• 使用 adaptive pooling 为每个 proposal 都引入整个图的全局特征：为了恢复被打破的 proposal 和 all feature 之间的信息，使用了 adaptive pooling，为每个 proposal 都引入整张图的全局特征
• 为了从多方面捕捉 proposal 的特征，作者使用 tiny fully-commected layer 来强化 mask 的预测，和 Mask-RCNN 中的 FCN 互补

二、方法

2.1 Bottom-up Path Augmentation

高层的特征包含全局特征，低层的特征包含细节定位特征，所以 FPN 中的自顶向下的信息传输方式能够给低层特征引入全局信息，利于分类能力的提升。

PANet 认为如果使用从下到上的传输路径，则能够将底层的细节定位纹理信息传递到高层，所以，其建立了两个非常“干净”的旁侧路径：

• 图 1 所示绿色线，其包含的层数 < 10，将底层特征直接传递给高层
• 图 1 所示红色线，认为 FPN 传输的路径过长，100+ 层，所以直接传递

PANet 具体是怎么强化自己的特征传输的？

以使用 ResNet 为例，并且使用 FPN 输出的 $P_2$ 到 $P_5$ 层特征，PANet 在 FPN 的后面（图 1 中展示为右侧）增加了一个特征路径：

• 输入为 FPN 的 $P_2$
• 然后逐步上采样（自底向上），并和 FPN 对应层的特征融合，每次上采样 2 倍，得到的特征表示为 $N_2$ 到 $N_5$（$P_2$ 和 $N_2$ 其实是相同的特征）
• $N_i$ 会和 coarse 的 $P_{i+1}$ 融合，然后生成新的 $N_{i+1}$
• 每个 $N_i$ 先经过 stride=2 的 3x3 卷积，然后和经过下采样的 $P_{i+1}$ 相加，相加后再经过 3x3 卷积，得到 $N_{i+1}$

2.2 Adaptive Feature Pooling

FPN 中，根据 proposal 大小的不同，会被分配到不同分辨率的特征上去，这就导致小 proposal 被分配到低层去预测，大 proposal 被分配到高层去预测，但这并非最优的，假设两个 proposal 相差 10-pixel，就可以能被分配到不同吃的的特征图上去，但这两个目标可能非常相近。

此外，高层特征是由很大的感受野的，能够捕捉到更多的上下文信息，如果小 proposal 能够接收到这些信息的话，会有利于预测。低层特征会蕴含很多细节和定位特征，让大 proposal 接收到这些信息的话，也会有利于预测。

所以，PANet 中，将每个 proposal都提取了 pooling 特征，然后将他们聚合起来，这个过程称为 adaptive feature pooling。

怎么聚合呢？—— max 聚合，也就是在每个点上选择最大值

下图 3 中 level 1-4 表示 low-to-high levels：

• 蓝线表示小 proposal，其接近 70% 的特征都来自高层特征
• 黄线是大 proposal，50%+ 的特征是从其他低层 pooled 得到的
• 这也说明了不同层的特征聚合对提升准确性很有必要

三、效果