算法笔记(六)多尺度特征融合之FPN/PANet

前言

最近论文快deadline了，一直没空更新…今天复习一下多尺度特征融合的常用操作。

1. FPN 特征金字塔

论文：feature pyramid networks for object detection 论文链接

设计思路：

• 底层的特征语义信息比较少，但是目标位置准确。
• 高层的特征语义信息比较丰富，但是目标位置比较粗略。

模型设计：自底向上Bottom-up，自顶向下Top-down，横向连接Lateral connection。

• 自底向上：特征图随着左半部分的网络的加深，尺寸会不断变小，语义信息会更加丰富，这里是将每个stage（尺寸不变的网络集合为一个stage）的最后一个特征图构成特征金字塔。
• 自顶向下：通过upsampling的方法，不断放大特征图，使得低层特征也包含丰富的语义信息。
• 横向连接：将上采样的结果和自底向上生成的相同大小的特征图进行融合。即：从左边过来的特征图，先经过1*1的卷积操作，然后与上面下来的特征图相加（element-wise addition），之后再经过3*3的卷积能得到本层的特征输出（消除上采样产生的混叠效应aliasing effect：插值生成的图像灰度不连续，在灰度变化的地方可能出现明显的锯齿状）。

FPN+RPN

原先的RPN网络，输入的是经过主干网络提取的特征图（单尺度），设置的anchor有3种尺寸，3种宽高比，故有9种anchor：

加入了FPN后，RPN的输入是多尺度特征图，也就是每一层特征图后连接一个RPN head，因为已经有多尺度特征图了，就不需要设置另外3种尺寸，故有15种anchor：

FPN+ROI

ROI的作用是将输入的（检测框，整特征图）进行pooling，得到相同尺寸的目标特征图。使用了FPN之后，就有了多尺度特征图，考虑到实际目标有大有小，所以使用下公式判断将哪一层的特征图输入到ROI中：
$$k=\lfloor k_0+lo{g}_2(\frac{\sqrt{w\ast h}}{224})\rfloor$$
其中，$k$代表特征图的层数编号。

2. PANet

Pyramid Attention Networks for Image Restoration
论文地址

PANet是FPN（图a）的拓展，PANet创新点在于：

1. 加入了自底向上路线增强；
2. 加入了自适应特征池化。

• Bottom-up Path Augmentation
  可以看到图(a)的FPN是自顶向下路线，通过侧向连接，将高层的强语义特征传递下来，只增强了特征金字塔的语义信息。例如，当底层特征到到P5时（红线），中间经过非常多层的网络（100+），此时底层的目标信息已经非常模糊了，因此扩展了FPN，加入了自底向上的路线（绿色路线，底层->P2->N2~N5，其中经过的路径少于10层），弥补并加强了定位信息。

• Adaptive Feature Pooling
  前文中，使用FPN+ROI的方法是使用公式来选择FPN的特征图（P2～P5）的其中之一（例如小尺寸选择P2，大尺寸选择了P5）作为ROI的输入，而这种方法实际上也是单层的特征图。在这里，作者对多个特征图（N2～N5）和目标框进行ROI，然后对多个ROI结果(4个)，分别经过全连接（fc1）后，再进行融合（sum、max、product等），如图所示：
  

参考

https://zhuanlan.zhihu.com/p/62604038