目标检测《EfficientDet: Scalable and Efficient Object Detection》

梦里梦外; 2023-01-23 07:58 32阅读 0赞

EfficientDet特点：

  1. 采用了带权重的双向FPN网络BiFPN进行特征融合，并通过模型学习得到不同特征的权重参数，不同的特征融合方式P3-P7，就得到了不同大小的EfficientDet模型
  2. 提出了对于resolution、depth、width进行联合扩展进行模型尺度缩放，提升模型性能

watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2N4eDY1NA_size_16_color_FFFFFF_t_70

watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2N4eDY1NA_size_16_color_FFFFFF_t_70 1

  1.     上图中，FPN是特征将金字塔网络，PANet是基于FPN的改进，NAS-FPN是使用网络搜索的方式自动确定特征融合的方式（可解释性差），BiFPN是EfficientDet中采用的特征融合方式。

#

FPN特征融合计算方法如下：

20210713193705335.png

  1.     其中，Resize可以是反卷积模块进行上采样。

借鉴于FPN和PANet，以及NAS-FPN的融合方式，本文的BiFPN特征融合方法如下：

  1. 移除掉PANet中只有一个输入边的节点，也就是上图中PANet上标记removed的节点，这个设计的灵感来自于“只有一个输入就无法进行融合”的直觉。
  2. 增加同一层级中原始输入节点到输出节点的直连边，类似于Resnet中的short cut。也就是上图中BiFPN上P4、P5、P6层的直连线条。
  3. 不同于PANet模块只有一个由上至下，以及一个由下至上的路径，本文将BiFPN作为一个小的特征融合网络，并横向堆叠使用多次。

EfficientDet网络模型结构图：

watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2N4eDY1NA_size_16_color_FFFFFF_t_70 2

带权重特征融合：

本文作者设计了三种带权重特征融合方法：

  1. 权重为一个标量，对特征整体进行加权融合
  2. 权重为一个向量，对特征的每个channel进行加权融合
  3. 权重为一个多维向量，对特征的每个pixel进行加权融合

对于上述三种特征融合方法，作者实验了几种融合的实现方式：

方式一：

20210713193753338.png

  1.      ​​![20210713193812487.png][]可以是学习到任何参数，参数范围没有限制导致训练过程不稳定。

方式二：

20210713193849398.png

  1.     对学习到的参数进行softmax归一化，但是引入softmax会使训练过程变慢。

方式三：

20210713193904972.png

  1.     先对学习到的![20210713193932816.png][]进行Relu变化使得参数大于等于0，然后进行求和归一化到\[0,1\]之间。

备注：以上权重归一化方式都是以BiFPN网络的节点为单位的，是在各个节点的特征融合中进行权重归一化。

20210713194011881.png

20210713194019993.png

  1.     上述公式是P6层两个节点的加权特征融合。

EfficientDet**中resolution、width、depth混合缩放，得到不同大小的网络模型：**

BackBone**缩放采用与EfficientDet同样的方式：**

20210713194044219.png

BiFPN**的width和depth缩放：**

2021071319405458.png

输出层预测网络的缩放：

  1.     Width缩放：

20210713194104680.png

  1.      Depth缩放：

2021071319411481.png

输入图像分辨率缩放：

20210713194125218.png

对不不同的缩放系数20210713193414836.png，得到不同的网络模型大小D0-D7。

发表评论

表情：
评论列表 （有 0 条评论，32人围观）

还没有评论，来说两句吧...

相关阅读