GraphFPN：面向物体检测的图特征金字塔网络

ICCVAug, 2021

GraphFPN：面向物体检测的图特征金字塔网络

GraphFPN: Graph Feature Pyramid Network for Object Detection

Gangming Zhao, Weifeng Ge, Yizhou Yu

TL;DR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。

Abstract

feature pyramids have been proven powerful in image understanding tasks that require multi-scale features. State-of-the-art methods for multi-scale feature learning focus on performing feature interactions across space and scales using neural networks with a fixed topology. In this pap

feature pyramids graph feature pyramid networks multi-scale feature learning object detection faster r-cnn algorithm

发现论文，激发创造

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

AugFPN: 改进目标检测多尺度特征学习

本文分析了现有的特征金字塔结构在物体检测方面的问题，提出了一种新的名为 AugFPN 的特征金字塔架构，成功应用在 Faster R-CNN、RetinaNet 和 FCOS 等模型中，显著提高了平均精度 AP。

Dec, 2019

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

特征金字塔网格

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。

Apr, 2020

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

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

你应该看所有物体

提出了两种可行的策略来解决特征金字塔网络（FPN）在物体检测中对大尺度物体检测能力的抑制，即引入辅助目标函数来使每个骨干网络层直接接收不同尺度的物体的反向传播信号和更合理地构建特征金字塔，实验证明这两种策略有效率高，可以在各种检测框架中获得相当的改进

Jul, 2022

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

对象检测的隐式特征金字塔网络

本文介绍了一种基于 DEQ 的隐式特征金字塔网络（i-FPN）用于物体检测，实验结果表明 i-FPN 可以显著提高检测性能。

Dec, 2020

基于注意力聚合的特征金字塔网络 A^2-FPN 用于实例分割

通过提出基于注意力聚合机制的特征金字塔网络（A^2-FPN），来提升多尺度特征学习的能力，在不同的实例分割框架中实现了一致的性能提升，例如，在使用 ResNet-50 和 ResNet-101 作为骨干网的 Mask R-CNN 中，相比于 FPN 增加了 2.1% 和 1.6% 的掩膜 AP。此外，在 Cascade Mask R-CNN 和 Hybrid Task Cascade 等强基线中，A^2-FPN 的掩膜 AP 分别提高了 2.0% 和 1.4%。

May, 2021