Apr, 2020

特征金字塔网格

PDF
TL;DR本文介绍了 Feature Pyramid Grids（FPG），它是一种深的多路径特征金字塔，将特征尺度空间表示为平行的自底向上路径的正则网格，并通过多方向的侧向连接融合。FPG 可以显著地提高类似计算成本的单路径特征金字塔网络的性能，与神经架构搜索等复杂结构相比，它具有通用和均匀的结构，并且具有优异的性能。本文希望 FPG 能够作为一种强大的组件，在以后的目标识别工作中发挥作用。
feature pyramid gridsobject detectiondeep multi-pathwayscale-spaceneural architecture search
发现论文，激发创造
  • GraphFPN：面向物体检测的图特征金字塔网络

    本文提出的基于图形特征金字塔网络的多尺度特征学习方法，在对象检测任务中优化了 Faster R-CNN 算法，并超越了之前的最先进特征金字塔算法和其他流行的检测方法。

    Aug, 2021

  • 特征金字塔网络用于目标检测

    该论文介绍了基于深度卷积网络的 Feature Pyramid Network（FPN），该网络利用深度卷积网络自带的金字塔多尺度特征，并在多种应用中取得了重大改进，尤其是在目标检测上。使用 FPN 的 Faster R-CNN 系统在 COCO 检测基准测试中取得了最先进的单模型结果。此外，该方法能够在 GPU 上以 5 FPS 的速度运行，是一种实用且准确的多尺度目标检测解决方案。

    Dec, 2016

  • 特征金字塔变换器

    提出了一种名为 Feature Pyramid Transformer（FPT）的全新特征交互方法，能够将任何特征金字塔转换为具有更多上下文信息的相同大小的特征金字塔，从而有效捕捉不同尺度中物体的非局部上下文特征。在实例级和像素级分割任务中，使用不同的骨干网络和头部网络进行了广泛实验，并观察到相对于所有基线和现有最先进方法均有持续的提高。

    Jul, 2020

  • IPG-Net：用于小目标检测的图像金字塔引导网络

    本文提出了一种名为 IPG-Net 的新型网络，旨在解决 CNN 目标检测中浅层保留空间信息但缺乏语义信息、深层具有高语义概念但丢失了很多空间信息的信息不平衡问题。IPG-Net 引入了图像金字塔引导来解决这个问题，并在两种检测模型上得到了最新的结果。

    Dec, 2019

  • 物体检测的精细动态头

    本研究提出一种 fine-grained dynamic head 方法，结合 Feature Pyramid Network（FPN）和 spatial gate 的机制实现多尺度特征的表示，进一步提高了物体检测的效率和精确度。

    Dec, 2020

  • 全局特征金字塔网络

    本文介绍了全局特征金字塔网络（GFPNet），它是 PAFPN 的增强版本，通过整合全局信息增强目标检测，有效地关注层内特征信息，捕捉全局特征细节，促进层内特征交互，并生成更全面而有影响力的特征表示。与传统的特征金字塔相比，GFPN 在目标检测基线上持续展示性能改进。

    Dec, 2023

  • 动态特征金字塔网络用于物体检测

    本文通过扩大特征金字塔网络（FPN）的感受野来增强空间信息，从而提高目标检测精度，提出了一种新的动态 FPN（DyFPN）方法，它可以通过适应性选择分支进行动态计算，以在维持高性能的情况下更有效地利用计算资源。实验证明，与基准模型相比，采用 DyFPN 可以以更少的计算量获得相似的高性能。

    Dec, 2020

  • AFPN：渐近特征金字塔网络用于物体检测

    该论文提出了一种渐近特征金字塔网络（AFPN），通过渐进地将更高层次的特征融入到融合过程中，实现了不相邻层次的直接交互，并采用了自适应空间融合操作来缓解可能出现的多目标信息冲突。实验评估结果表明，AFPN 比其他最先进的特征金字塔网络具有更具竞争力的结果。

    Jun, 2023

  • 对象检测深度特征金字塔重构

    本文研究了目前的特征金字塔设计，并将特征金字塔构建重新定义为特征重构过程，提出了一种全新的重构架构，该架构能够在全局和局部范围内对不同尺度的任务相关特征进行收集，并且能够在不失实时处理速度的情况下，与基本 SSD 系统相比，显著提高了模型的性能。

    Aug, 2018

  • 多重网格神经架构

    本研究提出了一种基于多重网格结构的卷积神经网络，能够在不同尺度空间上操作输入和输出，实现任务的动态路由和内部注意力机制，以及通过逐级概括将上下文信息融合到网络中。在分类和语义分割等多项任务中得到了相对较好的表现表明，相对于传统的基于单一网格的卷积神经网络结构，基于多重网格的设计方案更加高效且灵活。

    Nov, 2016