首發(fā)：AI公園公眾號(hào)
作者：Tony Shin
編譯：ronghuaiyang

導(dǎo)讀

對(duì)CBNet進(jìn)行了一個(gè)直觀的介紹。
https://towardsdatascience.co...
論文：https://arxiv.org/pdf/1909.03...
代碼：https://github.com/PKUbahuang...
CBNet在COCO測(cè)試數(shù)據(jù)集上的平均精度為53.3。

作者聲稱，使用一個(gè)更強(qiáng)大的主干可以提高目標(biāo)檢測(cè)器的性能。為了做到這一點(diǎn)，他們提出了一種新的策略，即通過(guò)相鄰主干之間的組合連接來(lái)組裝多個(gè)相同的主干。通過(guò)這樣做，他們提出了一個(gè)更強(qiáng)大的主干，稱為組合主干網(wǎng)絡(luò)。

如上圖所示，CBNet由多個(gè)相同的骨干網(wǎng)和相鄰骨干網(wǎng)之間的組合連接組成。從左到右，每個(gè)階段的輸出都在一個(gè)輔助主干中，這也可以看作是更高層次的特征。每個(gè)特征層的輸出通過(guò)組合連接流到后續(xù)主干網(wǎng)的并行階段，作為輸入的一部分。這樣，多個(gè)高級(jí)和低級(jí)特征被融合，以產(chǎn)生更豐富的特征表示。
本文介紹了雙主干網(wǎng)(DB)和三主干網(wǎng)(TB)兩種體系結(jié)構(gòu)。從命名中可以猜到，DB由兩個(gè)相同的骨干組成，而TB由三個(gè)相同的骨干組成。性能差異將在后面的文章中討論。
為了從主干中生成多個(gè)輸出，本文引入了一個(gè)組合連接塊。這個(gè)塊由一個(gè)1x1卷積和一個(gè)批處理歸一化層組成。添加這些層是為了減少通道的數(shù)量并執(zhí)行一個(gè)upsample操作。
最后的主干(位于圖中最右邊)，被命名為主主干，用于目標(biāo)檢測(cè)。前面的骨干的輸出特征被送入RPN/檢測(cè)頭，而每個(gè)輔助骨干的輸出被送入相鄰的骨干。

組合的形式

還有四種組合樣式。

• 相鄰的更高層次的組合是前面部分中解釋的風(fēng)格。使用組合連接塊將來(lái)自輔助骨干網(wǎng)的每個(gè)輸出特征饋入相鄰骨干網(wǎng)。
• 相同層次的組合是另一種簡(jiǎn)單的組合樣式，它將前一骨干的相鄰較低級(jí)階段的輸出提供給后續(xù)骨干。如圖所示，此樣式?jīng)]有使用組合連接塊。來(lái)自較低層次主干網(wǎng)的特征直接添加到鄰近的主干網(wǎng)中。
• 相鄰的低層的組合與AHLC非常相似。唯一的區(qū)別是來(lái)自前主干較低級(jí)階段的特征被傳遞到后來(lái)的主干。
• 密集的高層的組合的靈感來(lái)自于DenseNet的paper，其中每一層都與隨后的所有層連接，在一個(gè)stage上建立密集的連接。

上面的表格展示了不同組合風(fēng)格之間的對(duì)比。我們可以觀察到AHLC樣式優(yōu)于其他復(fù)合樣式。這背后的原因在論文中得到了很好的解釋。作者認(rèn)為，將前一個(gè)主干的低層特征直接添加到后續(xù)主干的高層特征中會(huì)損害后一個(gè)特征的語(yǔ)義信息。另一方面，在后續(xù)主干的淺層特征基礎(chǔ)上增加前一主干的深層特征，可以增強(qiáng)后一主干特征的語(yǔ)義信息。

結(jié)果

上表顯示了MS-COCO測(cè)試數(shù)據(jù)集的檢測(cè)結(jié)果。第5-7列為目標(biāo)檢測(cè)結(jié)果，第8-10列為實(shí)例分割結(jié)果。這清楚地表明，利用更多的骨干的體系結(jié)構(gòu)提高了網(wǎng)絡(luò)的性能。

總結(jié)

本文介紹了一種叫做CBNet的新架構(gòu)。通過(guò)組成多骨干體系結(jié)構(gòu)，該網(wǎng)絡(luò)將檢測(cè)網(wǎng)絡(luò)的準(zhǔn)確率提高約1.5%至3%。增加的參數(shù)大小和訓(xùn)練時(shí)間值得進(jìn)一步研究。

—END—

英文原文：https://towardsdatascience.co...

推薦閱讀

• 比監(jiān)督學(xué)習(xí)做的更好：半監(jiān)督學(xué)習(xí)
• 多攝像頭實(shí)時(shí)目標(biāo)跟蹤和計(jì)數(shù)，使用YOLOv4，Deep SORT和Flask
• 使用深度學(xué)習(xí)從視頻中估計(jì)車輛的速度

關(guān)注圖像處理，自然語(yǔ)言處理，機(jī)器學(xué)習(xí)等人工智能領(lǐng)域,請(qǐng)點(diǎn)擊關(guān)注AI公園專欄。
歡迎關(guān)注微信公眾號(hào)

審核編輯：符乾江