yolof:you only look one-level feature

轻松掌握 MMDetection 中常用算法(六):YOLOF - 知乎文@ 0000070 摘要YOLOF 全称是 You Only Look One-level Feature, 其通过详细的实验指出特征金字塔 FPN 模块的成功在于其对目标优化问题的分治解决方案,而不是我们常说的多尺度特征融合。针对该结论,设计了一个…https://zhuanlan.zhihu.com/p/370758213

        快速过一下该文,后面就没有时间像之前那样一点一点的分析,但是在目标检测领域,从retinanet开始,有ghm这种改进focal loss,也有fcos,atss,gfl这种走anchor-free,还有centernet这种走点检测,基本的思路和框架是有很强一致性的,这篇文章还是很有意义的,对fpn进行比较细的讨论。

1.多尺度融合和分而治之

yolof:you only look one-level feature_第1张图片

从上图中,bd说明,单输入多输出比单输入单输出好,cd说明多输入和单输入差不多,结合起来就是多尺度融合不是fpn的关键,fpn的关键是分而治之。

2.cost analysis of mimo encoders

yolof:you only look one-level feature_第2张图片

 多输入多输出在计算量多,fps少,设计一个合理的单输入单输出来代替多输入多输出。

3.methods

yolof:you only look one-level feature_第3张图片

 3.1 单输入单输出不行的原因

1.C5特征的感受野匹配的尺度范围有限,阻碍了对不同尺度对象的检测性能。

2.单级特征中稀疏anchor引起的正负样本不均衡问题。

3.2 扩大单尺度的感受野

yolof:you only look one-level feature_第4张图片

yolof:you only look one-level feature_第5张图片

 3.2 imbalance priblem on positove anchors

yolof:you only look one-level feature_第6张图片

 uniform matching

你可能感兴趣的:(目标检测,目标检测)