YOLOF前传：特征金字塔（FPN）

前言

这几天在读CVPR2021的中稿论文YOLOF（You Only Look One-level Feature），文章回顾了单阶段的特征金字塔网络(FPN)，指出FPN的成功的原因在于它对目标检测中优化问题的分而治之的解决策略，而不是多尺度特征融合。之前虽然经常看到特征金字塔相关结构，却也没有深入研究过，今天借着YOLOF把FPN的网络结构特征简要总结一下。

01

特征金字塔是多尺度（muiti-scale）目标检测领域中的重要组成部分，但是由于此方法对计算和内存的需求，在FPN之前的深度学习任务都刻意回避了这类模型。在这篇文章中，作者利用深度神经网络固有的多尺度、多层级的金字塔结构，使用一种 自上而下的侧边连接 在所有尺度上构建出高级语义特征图，构造了特征金字塔的经典结构。

具体做法其实并不难理解：

把低分辨率、高语义信息的高层特征和高分辨率、低语义信息的低层特征自上而下进行融合，使得所有尺度下的特征都有丰富的语义信息。

02

当然，FPN并非只有上图所示的一种结构，下面大体介绍一下特征金字塔网络：

Featurized image pyramid

一种比较笨的多尺度方法，对输入图像设置不同的缩放比例实现多尺度。这样可以解决多尺度，但是相当于训练了多个模型（假设要求输入大小固定），即便允许输入大小不固定，但是也增加了存储不同尺度图像的内存空间。

Single feature map

其实就是早期的CNN模型，通过卷积层不断学习图像的高级语义特征。

Pyramidal feature hierarchy

SSD较早尝试了使用CNN金字塔形的层级特征，重用了前向过程计算出的多尺度特征图，因此这种形式是不消耗额外的资源的。但是SSD为了避免使用low-level的特征，放弃了浅层的特征图信息，直接从conv4_3开始建立金字塔，并且加入了一些新的层，但是这些低层级、高分辨率的特征图信息对检测小目标是非常重要的。

Feature Pyramid Network

FPN为了能够自然地利用CNN层级特征的金字塔形式，同时生成在所有尺度上都具有强语义信息的特征金字塔，便以此为目的设计了top-down结构和lateral connection。这种金字塔结构以此融合具有高分辨率的浅层feature和具有丰富语义信息的深层feature。这样就实现了从单尺度的单张输入图像，快速构建在所有尺度上都具有强语义信息的特征金字塔，同时不产生明显的代价。

03

那么，如何做到top-down和

lateral connection呢？

top-down

def _upsample_add(self, x, y):_,_,H,W = y.size()return F.upsample(x, size=(H,W), mode='bilinear') + y

也就是说，这里的实现使用的是最简单的上采样，没有使用线性插值，没有使用反卷积，而是直接复制。

lateral connection

# init Lateral layers，其实就是做通道匹配任务
self.latlayer1 = nn.Conv2d(1024, 256, kernel_size=1, stride=1, padding=0)
self.latlayer2 = nn.Conv2d( 512, 256, kernel_size=1, stride=1, padding=0)
self.latlayer3 = nn.Conv2d( 256, 256, kernel_size=1, stride=1, padding=0)# forward
p4 = self._upsample_add(p5, self.latlayer1(c4))
p3 = self._upsample_add(p4, self.latlayer2(c3))
p2 = self._upsample_add(p3, self.latlayer3(c2))

结合上图我们可以理解这篇文章的核心思路：

通过2xup-sample，我们得到了上层传递下来的高层语义特征，其尺寸大小与lateral connection过程中的低层特征图尺寸相同；

通过1x1 conv，将高层特征通道数与低层特征通道数统一，解决了融合（sum）过程中channel数不匹配的问题。

04

FPN自上而下的网络结构代码怎么实现？

'''FPN in PyTorch.See the paper "Feature Pyramid Networks for Object Detection" for more details.
'''
import torch
import torch.nn as nn
import torch.nn.functional as Ffrom torch.autograd import Variableclass Bottleneck(nn.Module):expansion = 4def __init__(self, in_planes, planes, stride=1):super(Bottleneck, self).__init__()self.conv1 = nn.Conv2d(in_planes, planes, kernel_size=1, bias=False)self.bn1 = nn.BatchNorm2d(planes)self.conv2 = nn.Conv2d(planes, planes, kernel_size=3, stride=stride, padding=1, bias=False)self.bn2 = nn.BatchNorm2d(planes)self.conv3 = nn.Conv2d(planes, self.expansion*planes, kernel_size=1, bias=False)self.bn3 = nn.BatchNorm2d(self.expansion*planes)self.shortcut = nn.Sequential()if stride != 1 or in_planes != self.expansion*planes:self.shortcut = nn.Sequential(nn.Conv2d(in_planes, self.expansion*planes, kernel_size=1, stride=stride, bias=False),nn.BatchNorm2d(self.expansion*planes))def forward(self, x):out = F.relu(self.bn1(self.conv1(x)))out = F.relu(self.bn2(self.conv2(out)))out = self.bn3(self.conv3(out))out += self.shortcut(x)out = F.relu(out)return outclass FPN(nn.Module):def __init__(self, block, num_blocks):super(FPN, self).__init__()self.in_planes = 64self.conv1 = nn.Conv2d(3, 64, kernel_size=7, stride=2, padding=3, bias=False)self.bn1 = nn.BatchNorm2d(64)# Bottom-up layersself.layer1 = self._make_layer(block,  64, num_blocks[0], stride=1)self.layer2 = self._make_layer(block, 128, num_blocks[1], stride=2)self.layer3 = self._make_layer(block, 256, num_blocks[2], stride=2)self.layer4 = self._make_layer(block, 512, num_blocks[3], stride=2)# Top layerself.toplayer = nn.Conv2d(2048, 256, kernel_size=1, stride=1, padding=0)  # Reduce channels# Smooth layersself.smooth1 = nn.Conv2d(256, 256, kernel_size=3, stride=1, padding=1)self.smooth2 = nn.Conv2d(256, 256, kernel_size=3, stride=1, padding=1)self.smooth3 = nn.Conv2d(256, 256, kernel_size=3, stride=1, padding=1)# Lateral layersself.latlayer1 = nn.Conv2d(1024, 256, kernel_size=1, stride=1, padding=0)self.latlayer2 = nn.Conv2d( 512, 256, kernel_size=1, stride=1, padding=0)self.latlayer3 = nn.Conv2d( 256, 256, kernel_size=1, stride=1, padding=0)def _make_layer(self, block, planes, num_blocks, stride):strides = [stride] + [1]*(num_blocks-1)layers = []for stride in strides:layers.append(block(self.in_planes, planes, stride))self.in_planes = planes * block.expansionreturn nn.Sequential(*layers)def _upsample_add(self, x, y):'''Upsample and add two feature maps.Args:x: (Variable) top feature map to be upsampled.y: (Variable) lateral feature map.Returns:(Variable) added feature map.Note in PyTorch, when input size is odd, the upsampled feature mapwith `F.upsample(..., scale_factor=2, mode='nearest')`maybe not equal to the lateral feature map size.e.g.original input size: [N,_,15,15] ->conv2d feature map size: [N,_,8,8] ->upsampled feature map size: [N,_,16,16]So we choose bilinear upsample which supports arbitrary output sizes.'''_,_,H,W = y.size()return F.upsample(x, size=(H,W), mode='bilinear') + ydef forward(self, x):# Bottom-upc1 = F.relu(self.bn1(self.conv1(x)))c1 = F.max_pool2d(c1, kernel_size=3, stride=2, padding=1)c2 = self.layer1(c1)c3 = self.layer2(c2)c4 = self.layer3(c3)c5 = self.layer4(c4)# Top-downp5 = self.toplayer(c5)p4 = self._upsample_add(p5, self.latlayer1(c4))p3 = self._upsample_add(p4, self.latlayer2(c3))p2 = self._upsample_add(p3, self.latlayer3(c2))# Smoothp4 = self.smooth1(p4)p3 = self.smooth2(p3)p2 = self.smooth3(p2)return p2, p3, p4, p5

05

总之，FPN最主要的意图就是把高层的特征传下来，补充低层的语义，这样就可以在具有高分辨率的底层网络中获得强语义的高层特征，有利于小目标的检测。

FPN网络结构+源码讲解相关推荐

C++简介源码讲解精辟版,C++入门级C++学习，C++与C的区别值得知晓
C++简介源码讲解精辟版,C++入门级C++学习,C++与C的区别值得知晓 C语言和C++基础区别 C++标准输入和输出命名空 1.命名空间的定义 : namespace 标识符{ } 例:name ...
ORB特征点提取与均匀化——ORBSLAM2源码讲解（一）
文章目录前言一.基础知识二.ORB特征均匀化策略对性能的影响三.ORB特征金字塔四.ORB提取扩展图像五.ORB特征均匀化总结前言本博客结合哔哩大学视频ORBSLAM2[ORBSLA ...
顾客信息表mysql_Qt5.5.0使用mysql编撰小软件源码讲解-顾客信息登记表_mysql
Qt5.5.0使用mysql编写小软件源码讲解---顾客信息登记表 Qt5.5.0使用mysql编写小软件源码讲解---顾客信息登记表一个个人觉得比较简单小巧的软件. 下面就如何编写如何发布打包来介 ...
Oriented Fast神奇高效的代码实现方式——ORBSLAM2源码讲解（二）
文章目录前言一.基础知识二.灰度质心法原理三.UMAX 四.IC_Angle如何做加速运算总结前言本博客结合哔哩大学视频ORBSLAM2[ORBSLAM2源码讲解专题一]ORB特征点提取 ...
27.串口通信实验源码讲解
串口通信实验源码讲解笔记基于正点原子官方视频视频连接https://www.bilibili.com/video/BV1Wx411d7wT?p=71&spm_id_from=333.100 ...
双目相机标定OpenCV源码讲解
双目相机标定OpenCV源码讲解背景介绍所述内容参考资料摄像机标定部分代码代码思路代码中的其他函数找角点&求内参求外参求矫正映射矩阵后记背景介绍暑假接近两个月的时间做了 ...
android飞信短信箱程序源码讲解
android飞信短信箱程序源码讲解! 一.程序演示图1.进入程序后的第1页面,头部的新消息提示在任意页面都会弹出. 图2.未读消息数量提示,任意页面. 图3.点击新建短信,(或者会话中的转发选项) ...
讲解java源码_Java学习之Java源码讲解
关于Java中源码的学习,是不少同学头疼的知识点.本文整理了JAVA源码学习的八大要点,分别是基础知识.面向对象.异常处理.集合.综合类核心代码.JAVA8新特性.Input/Output和Java小 ...
OpenCV SIFT源码讲解——代码逻辑宏观窥探
OpenCV SIFT源码讲解--代码逻辑宏观窥探一.暴露在外的接口:SIFT 二.隐藏在SIFT背后的本质:SIFT_Impl 三.使用sift算法全流程一.暴露在外的接口:SIFT 一般来说, ...
深入Redis内部-Redis 源码讲解
Redis 作为 NoSQL 数据库的杰出代表,一直广受关注,其轻量级的敏捷架构,向来有存储中的瑞士军刀之称.下面推荐的一篇文章,从源码的角度讲解了Redis 的整个工作流程,是了解 Redis 流程 ...

FPN网络结构+源码讲解

前言

01

02

03

04

05

FPN网络结构+源码讲解相关推荐

最新文章

热门文章