标签:分辨率 span 方式 精度 输入 mic box 统一 width
https://arxiv.org/pdf/1911.09070.pdf
Efficientnet的延续,提出了更快、更容易的多尺度融合BiFPN;提出了在backbone,feature network,box/class prediction上,
统一扩展模型的方式(仍然是调整width, resolution, depth)。
1、BiFPN
当前的一些FPN变种,f为作者提出的bifpn,其实是PANet的简单变种。
特征加权融合
FPN的特征融合方式中,对不同分辨率的特征都是相同权重。
本文使用加权的特征融合方式,并提出了三种方法,其中第三种方法在速度和精度上综合最好。
加权后的融合方式
2、EfficientDet
(1)结构图
可以看到,bifpn layer和class/box predict是重复的多个个layer构成的。
(2)结构扩展
backbone使用efficientnet系列;
bifpn中,宽度和深度按照如下方式增加;
box/cls prediction
宽度跟bifpn保持一致,线性增加深度
输入分辨率
参考 https://arxiv.org/pdf/1911.09070.pdf
标签:分辨率 span 方式 精度 输入 mic box 统一 width
原文地址:https://www.cnblogs.com/573177885qq/p/12252710.html