论文阅读: FPN

Introduction

文章开篇即指出，现有的三种 Scale handling 方法都不好。

1. Featurized image pyramid 计算开销和存储开销都太大：
   
   基于深度网络的检测算法出来之前，检测算法基本都是基于这种scale handling；后来出现的SNIP、SNIPER也是基于Image Pyramid。

2. Single feature map 框不出小物体：
   
   使用Single feature map的包括R-CNN、SPPNet、Fast R-CNN、Faster R-CNN、YOLOv1以及R-FCN系列。

3. Pyramidal feature hierarchy 底层大scale的feature map语义信息少，虽然框出了小物体，但小物体容易被错分：
   
   使用Pyramidal feature hierarchy的包括SSD。

Note：

• YOLOv2是个特例，其在 26×26 层设置了通道层接至 13×13 层。本质上即为single-scale上处理two-scale的feature map信息。

如何能设计一个算法，能同时做到：

• (计算/存储) 开销合理；

• 有效 检出小物体。

Innovation

设计出包含 “ top-down路径 ” 和 “ 横向连接 ” 的套件，来 融合 “ 少位置信息而多语义信息的top层feature map ” 和 “ 多位置信息而少语义信息的down层feature map ” ：

具体地，“ top-down路径 ” 采用 2×上采样 来保证左右的scale相同；“ 横向连接 ” 采用 conv1×1 降维来保证所有channel都为256-d：

Note：

• 在FPN(+Faster R-CNN)中，选用了p2~p5四个scale；
• 在RetinaNet中，选用了p3~p5三个scale，并对p5下采样出了p6、p7两个scale。

Result

FPN组件明显能提升召回率：

在COCO数据集上Fast R-CNN因为使用了FPN组件而精度涨点：

同样也能让COCO数据集上的Faster R-CNN精度涨点：

用了FPN的Faster R-CNN，效果拔群：

Thinking

• FPN如今已成为Detecton算法的标准组件，不管是one-stage(RetinaNet、DSSD)、two-stage(Faster R-CNN、Mask R-CNN)还是four-stage(Cascade R-CNN)都可用；

• R-FCN系由于其自身设计的缘故，无法使用FPN；

• 底层feature map位置信息多但语义信息少，FPN为其增强了语义信息，提升了对小物体的检测效果；

• 提升检测精度，包括加强对小物体的检测效果和对大物体的检测效果。一般来说，顶层feature map是检测大物体的关键，因为容易框出大物体；底层feature map是检测小物体的关键，因为容易框出小物体；

• FPN只是给底层featue map提供了福利，所以仅仅提升了对小物体的检测效果；

• 顶层feature map语义信息多但位置信息少，还是对检测大物体不利。后来者PAN在FPN的基础上再加了一个bottom-up方向的增强，使得顶层feature map也可以享受到底层带来的丰富的位置信息，从而把大物体的检测效果也提上去了：
  

---

[1] Feature Pyramid Networks for Object Detection