ICCV2021论文：如何通过图特征金字塔提高目标检测准确率？

本文共计1984个文字，预计阅读时间需要8分钟。

作者：Edison_G特点：特征银字塔在需要多尺度特征理解的图像理解任务中已被证明是强大的。多尺度特征学习的最新方法侧重于使用具有固定拓扑结构的神经网络跨空间和尺度执行特征交互。

​

作者：Edison_G

​特征金字塔在需要多尺度特征的图像理解任务中已被证明是强大的。多尺度特征学习的最新方法侧重于使用具有固定拓扑结构的神经网络跨空间和尺度执行特征交互。

开源代码：​​arxiv.org/pdf/2108.00580.pdf​​

1

前言&背景

特征金字塔在需要多尺度特征的图像理解任务中已被证明是强大的。多尺度特征学习的最新方法侧重于使用具有固定拓扑结构的神经网络跨空间和尺度执行特征交互。

在今天分享中，研究者提出了图特征金字塔网络，该网络能够使其拓扑结构适应不同的内在图像结构，并支持跨所有尺度的同步特征交互。

2

特征金字塔

特征金字塔网络相当于先进行传统的bottom-up自上而下的特征卷积，然后FPN试图融合左侧特征图的相邻的特征图。