Parallel Residual Bi-Fusion Feature Pyramid Network for Accurate Single-Shot Object Detection 论文链接：https://arxiv.org/abs/2012.01724 在COCO上达48.9 AP！同时速度为37.5 FPS！真又快又好，表现SOTA！性能优于ATSS、PAA、YOLOv4等网络，而且小目标检测性能提升明显！作者单位：国立交通大学, UAlbany

我们提出了并行残差双融合金字塔网络（PRB-FPN），用于快速准确的single-shot目标检测。特征金字塔（FP）在最近的视觉检测中被广泛使用，但是由于合并移动，FP的自上而下的路径无法保留准确的定位。 FP的优势被削弱，因为使用了具有更多层的更深的主干。为解决此问题，我们提出了一种新的并行FP结构，该结构具有双向（自上而下和自下而上）融合功能，并进行了相关改进，以保留用于精确定位的高质量功能。我们的方法特别适用于检测小物体。我们提供了以下设计改进：（1）具有自下而上的融合模块（BFM）的并行bifusion FP结构，可一次检测高精度的大小物体。 （2）联合和重新组织（CORE）模块为特征融合提供了一种自下而上的途径，这导致了双向融合FP可以从较低层的特征图中恢复丢失的信息。 （3）进一步纯化了CORE功能，以保留更丰富的上下文信息。这样的纯化是通过CORE在自上而下和自下而上的路径中进行几次迭代来完成的。 （4）在CORE中增加了残差设计导致了一个新的Re-CORE模块，该模块可以轻松地训练和与各种（更深或更轻）主干网集成。提出的网络在UAVDT17和MS COCO数据集上实现了最先进的性能。

内容中包含的图片若涉及版权问题，请及时与我们联系删除