特征圖金字塔網(wǎng)絡(luò)FPN（Feature Pyramid Networks）是2017年提出的一種網(wǎng)絡(luò)，F(xiàn)PN主要解決的是物體檢測中的多尺度問題，通過簡單的網(wǎng)絡(luò)連接改變，在基本不增加原有模型計算量的情況下，大幅度提升了小物體檢測的性能。

低層的特征語義信息比較少，但是目標(biāo)位置準(zhǔn)確；高層的特征語義信息比較豐富，但是目標(biāo)位置比較粗略。另外雖然也有些算法采用多尺度特征融合的方式，但是一般是采用融合后的特征做預(yù)測，而本文FPN不一樣的地方在于預(yù)測是在不同特征層獨立進(jìn)行的。

一、各種網(wǎng)絡(luò)結(jié)構(gòu)對比

1、通常的CNN網(wǎng)絡(luò)結(jié)構(gòu)如下圖所示

圖1

上圖網(wǎng)絡(luò)是自底向上卷積，然后使用最后一層特征圖進(jìn)行預(yù)測，像SPP-Net，F(xiàn)ast R-CNN，F(xiàn)aster R-CNN就是采用這種方式，即僅采用網(wǎng)絡(luò)最后一層的特征。

以VGG16為例子，假如feat_stride=16，表示若原圖大小是1000*600，經(jīng)過網(wǎng)絡(luò)后最深一層的特征圖大小是60*40，可理解為特征圖上一像素點映射原圖中一個16*16的區(qū)域；那原圖中有一個小于16*16大小的小物體，是不是就會被忽略掉，檢測不到了呢？

所以上圖中的網(wǎng)絡(luò)的缺點就是會造成檢測小物體的性能急劇下降。

2、圖片金字塔生成特征金字塔

鑒于上面的單層檢測會丟失細(xì)節(jié)特征；就會想到利用圖像的各個尺度進(jìn)行訓(xùn)練和測試，比如下圖所展示，將圖像做成不同的scale，然后不同scale的圖像生成對應(yīng)的不同scale的特征

圖二

將圖片縮放成多個比例，每個比例單獨提取特征圖進(jìn)行預(yù)測，這樣，可以得到比較理想的結(jié)果，但是比較耗時，不太適合運用到實際當(dāng)中。有些算法僅會在測試時候采用圖像金字塔。

3、多尺度特征融合的方式

圖3

像SSD（Single Shot Detector）就是采用這種多尺度特征融合的方式，沒有上采樣過程，即從網(wǎng)絡(luò)不同層抽取不同尺度的特征做預(yù)測，這種方式不會增加額外的計算量。作者認(rèn)為SSD算法中沒有用到足夠低層的特征（在SSD中，最低層的特征是VGG網(wǎng)絡(luò)的conv4_3），而在作者看來足夠低層的特征對于檢測小物體是很有幫助的。

4、FPN（Feature Pyramid Networks）

圖4

這是本文要講的網(wǎng)絡(luò)，F(xiàn)PN主要解決的是物體檢測中的多尺度問題，通過簡單的網(wǎng)絡(luò)連接改變，在基本不增加原有模型計算量的情況下，大幅度提升了小物體檢測的性能。通過高層特征進(jìn)行上采樣和低層特征進(jìn)行自頂向下的連接，而且每一層都會進(jìn)行預(yù)測。后面再詳細(xì)介紹，下面先來看看另外兩種

5、top-down pyramid w/o lateral

圖5

上圖該網(wǎng)絡(luò)有自頂向下的過程，但是沒有橫向連接，即向下過程沒有融合原來的特征。實驗發(fā)現(xiàn)這樣效果比圖1的網(wǎng)絡(luò)效果更差。

6、only finest nevel

圖6

上圖帶有skip connection的網(wǎng)絡(luò)結(jié)構(gòu)在預(yù)測的時候是在finest level（自頂向下的最后一層）進(jìn)行的，簡單講就是經(jīng)過多次上采樣并融合特征到最后一步，拿最后一步生成的特征做預(yù)測，跟FPN的區(qū)別是它僅在最后一層預(yù)測。

二、FPN詳解

作者的主網(wǎng)絡(luò)采用了ResNet。

算法大致結(jié)構(gòu)如下：一個自底向上的線路，一個自頂向下的線路，橫向連接（lateral connection）。圖中放大的區(qū)域就是橫向連接，這里1*1的卷積核的主要作用是減少卷積核的個數(shù)，也就是減少了feature map的個數(shù)，并不改變feature map的尺寸大小。

①自底向上：

自底向上的過程就是神經(jīng)網(wǎng)絡(luò)普通的前向傳播過程，特征圖經(jīng)過卷積核計算，通常會越變越小。

具體而言，對于ResNets，我們使用每個階段的最后一個residual block輸出的特征激活輸出。 對于conv2，conv3，conv4和conv5輸出，我們將這些最后residual block的輸出表示為{C2，C3，C4，C5}，并且它們相對于輸入圖像具有{4, 8, 16, 32} 的步長。 由于其龐大的內(nèi)存占用，我們不會將conv1納入金字塔中。

②自上而下：

自上而下的過程是把更抽象、語義更強的高層特征圖進(jìn)行上采樣（upsampling），而橫向連接則是將上采樣的結(jié)果和自底向上生成的相同大小的feature map進(jìn)行融合（merge）。橫向連接的兩層特征在空間尺寸相同，這樣做可以利用底層定位細(xì)節(jié)信息。將低分辨率的特征圖做2倍上采樣（為了簡單起見，使用最近鄰上采樣）。然后通過按元素相加，將上采樣映射與相應(yīng)的自底而上映射合并。這個過程是迭代的，直到生成最終的分辨率圖。

為了開始迭代，我們只需在C5上附加一個1×1卷積層來生成低分辨率圖P5。最后，我們在每個合并的圖上附加一個3×3卷積來生成最終的特征映射，這是為了減少上采樣的混疊效應(yīng)。這個最終的特征映射集稱為{P2，P3，P4，P5}，分別對應(yīng)于{C2，C3，C4，C5}，它們具有相同的尺寸。

由于金字塔的所有層次都像傳統(tǒng)的特征化圖像金字塔一樣使用共享分類器/回歸器，因此我們在所有特征圖中固定特征維度（通道數(shù)，記為d）。我們在本文中設(shè)置d = 256，因此所有額外的卷積層都有256個通道的輸出。

③橫向連接：

采用1×1的卷積核進(jìn)行連接（減少特征圖數(shù)量）。

三、FPN加入到各種網(wǎng)絡(luò)的實驗效果表

作者一方面將FPN放在RPN網(wǎng)絡(luò)中用于生成proposal，原來的RPN網(wǎng)絡(luò)是以主網(wǎng)絡(luò)的某個卷積層輸出的feature map作為輸入，簡單講就是只用這一個尺度的feature map。但是現(xiàn)在要將FPN嵌在RPN網(wǎng)絡(luò)中，生成不同尺度特征并融合作為RPN網(wǎng)絡(luò)的輸入。在每一個scale層，都定義了不同大小的anchor，對于P2，P3，P4，P5，P6這些層，定義anchor的大小為32^2,64^2,128^2,256^2，512^2，另外每個scale層都有3個長寬對比度：1:2，1:1，2:1。所以整個特征金字塔有15種anchor。

正負(fù)樣本的界定和Faster RCNN差不多：如果某個anchor和一個給定的ground truth有最高的IOU或者和任意一個Ground truth的IOU都大于0.7，則是正樣本。如果一個anchor和任意一個ground truth的IOU都小于0.3，則為負(fù)樣本。

加入FPN的RPN網(wǎng)絡(luò)的有效性如下表Table1。網(wǎng)絡(luò)這些結(jié)果都是基于ResNet-50的。評價標(biāo)準(zhǔn)采用AR（Average Recall），AR右上角的100或1K表示每張圖像有100或1000個anchor，AR的右下角s，m，l表示COCO數(shù)據(jù)集中object的大小分別是小，中，大。feature列的大括號{}表示每層獨立預(yù)測。

Table1

從（a）（b）（c）的對比可以看出FRN的作用確實很明顯。另外（a）和（b）的對比可以看出高層特征并非比低一層的特征有效。
（d）表示只有橫向連接，而沒有自頂向下的過程，也就是僅僅對自底向上的每一層結(jié)果做一個1*1的橫向連接和3*3的卷積得到最終的結(jié)果，從feature列可以看出預(yù)測還是分層獨立的，如上面圖3的結(jié)構(gòu)。作者推測（d）的結(jié)果并不好的原因在于在自底向上的不同層之間的semantic gaps比較大。
（e）表示有自頂向下的過程，但是沒有橫向連接，即向下過程沒有融合原來的特征，如上面圖5的結(jié)構(gòu)。這樣效果也不好的原因在于目標(biāo)的location特征在經(jīng)過多次降采樣和上采樣過程后變得更加不準(zhǔn)確。
（f）采用finest level層做預(yù)測（如上圖6的結(jié)構(gòu)），即經(jīng)過多次特征上采樣和融合到最后一步生成的特征用于預(yù)測，主要是證明金字塔分層獨立預(yù)測的表達(dá)能力。顯然finest level的效果不如FPN好，原因在于PRN網(wǎng)絡(luò)是一個窗口大小固定的滑動窗口檢測器，因此在金字塔的不同層滑動可以增加其對尺度變化的魯棒性。另外（f）有更多的anchor，說明增加anchor的數(shù)量并不能有效提高準(zhǔn)確率。

另一方面將FPN用于Fast R-CNN的檢測部分。除了（a）以外，分類層和卷積層之前添加了2個1024維的全連接層。
實驗結(jié)果如下表Table2，這里是測試Fast R-CNN的檢測效果，所以proposal是固定的（采用Table1（c）的做法）。與Table1的比較類似，（a）（b）（c）的對比證明在基于區(qū)域的目標(biāo)卷積問題中，特征金字塔比單尺度特征更有效。（c）（f）的差距很小，作者認(rèn)為原因是ROI pooling對于region的尺度并不敏感。因此并不能一概認(rèn)為（f）這種特征融合的方式不好，博主個人認(rèn)為要針對具體問題來看待，像上面在RPN網(wǎng)絡(luò)中，可能（f）這種方式不大好，但是在Fast RCNN中就沒那么明顯。

Table2

同理，將FPN用于Faster RCNN的實驗結(jié)果如下表Table3。

Table3

下表Table4是和近幾年在COCO比賽上排名靠前的算法的對比。注意到本文算法在小物體檢測上的提升是比較明顯的。

Table4

四、總結(jié)

作者提出的FPN（Feature Pyramid Network）算法同時利用低層特征高分辨率和高層特征的高語義信息，通過融合這些不同層的特征達(dá)到預(yù)測的效果。并且預(yù)測是在每個融合后的特征層上單獨進(jìn)行的，效果甚佳。

總結(jié)

以上是生活随笔為你收集整理的FPN网络详解的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。