EN
2022年03月24日研究成果

YOLOF:无需FPN的实用化目标检测算法

张祥雨团队

       自从SSD、RetinaNet之后,多尺度特征金字塔(FPN)一直是单阶段目标检测的必备组件,直接去掉FPN会显著降低性能。但从实用角度FPN有个很大的缺点,就是大分辨率特征图的尺寸过大,占用大量内存的同时拖慢的整体的执行速度,对片上缓存有限的专用推理芯片尤为不利。该工作中,智源青年科学家张祥雨团队通过拆解,发现FPN之所以有效,其主要原因并不是先前很多工作认为的多尺度特征融合,而是对大、中、小目标的“分而治之”策略。换句话说,就是单尺度的特征从信息角度完全够用了,只是需要用一种更有利于学习的decoder将各种不同尺度的物体解码出来。基于这个观察,团队重新设计了解码器和label assign规则,成功实现了在不使用FPN的情况下达到相同甚至更高的性能。


8.png

(图片来源:学者提供)


分享到: