現(xiàn)代性能最佳的目標檢測器在很大程度上依賴于主干網(wǎng)絡，其進步通過探索更有效的網(wǎng)絡結(jié)構(gòu)帶來一致的性能提升。然而，設(shè)計或搜索新的主干并在ImageNet上對其進行預訓練可能需要大量的計算資源，這使得獲得更好的檢測性能成本很高。

論文：

https://arxiv.org/pdf/2107.00420.pdf

1 簡要

現(xiàn)代性能最佳的目標檢測器在很大程度上依賴于主干網(wǎng)絡，其進步通過探索更有效的網(wǎng)絡結(jié)構(gòu)帶來一致的性能提升。然而，設(shè)計或搜索新的主干并在ImageNet上對其進行預訓練可能需要大量的計算資源，這使得獲得更好的檢測性能成本很高。

今天分享中，研究者通過構(gòu)建現(xiàn)有開源預訓練主干的組合，提出了一種新的主干網(wǎng)絡，即 CBNetV2。特別是，CBNetV2 架構(gòu)將多個相同的主干分組，這些主干通過復合連接連接。研究者還為基于CBNet的檢測器提出了一個更好的訓練策略與輔助監(jiān)督。無需額外的預訓練，CBNetV2可以集成到主流檢測器中，包括一級和兩級檢測器，以及基于Anchor和Anchor Free的檢測器，并在COCO的基線上顯著提高其性能3.0%以上。此外，實驗提供了強有力的證據(jù)，表明復合主干比預訓練的更廣泛和更深的網(wǎng)絡更高效和資源友好，包括基于手動和基于NAS的網(wǎng)絡，以及基于CNN和基于Transformer。

2背景

如上圖所示，研究者的解決方案名為Composite Backbone Network V2 (CBNetV2)，將多個相同的主干網(wǎng)絡組合在一起。具體而言，并行主干網(wǎng)絡（稱為輔助主干和引導主干）通過復合連接連接。在上圖中從左到右，輔助主干中每個階段的輸出流向其后續(xù)主干的并行和較低級別的階段。最后，將主干的特征饋送到neck和檢測頭，用于邊界框回歸和分類。與簡單的網(wǎng)絡深化或拓寬相反，CBNetV2 整合了多個主干網(wǎng)絡的高低層特征，逐漸擴大感受野以更高效地進行目標檢測。

3 新框架

Same Level Composition (SLC)

一種直觀而簡單的復合風格是融合來自主干同一階段的輸出特征。

Adjacent Higher-Level Composition (AHLC)

受特征金字塔網(wǎng)絡的啟發(fā)，自上而下的pathway引入了空間上更粗糙但語義上更強大的高級特征，以增強自下而上pathway中的低級特征。在之前的CBNet中，研究者進行了相鄰的高級組合（AHLC），將前一個主干的相鄰更高級別階段的輸出饋送到后續(xù)的主干。

Adjacent Lower-Level Composition (ALLC)

與AHLC不同，研究者引入了一種自下而上的pathway，將前一個主干的相鄰低級階段的輸出提供給后續(xù)主干。

Dense Higher-Level Composition (DHLC)

在DenseNet中，每一層都連接到所有后續(xù)層以構(gòu)建綜合特征。受此啟發(fā)，研究者在CBNet架構(gòu)中利用密集復合連接。

Full-connected Composition (FCC)

與DHLC不同，研究者將輔助主干網(wǎng)絡的所有階段的特征組合起來，并將它們饋送到主干中的每個階段。如上圖e所示，在比較DHLC的情況下，在低層次的情況下添加連接。

新提出的CBNet架構(gòu)（K = 2）與RCNN的展開架構(gòu)之間的比較。

CBNetV2的一個例子如上圖b所示。除了使用主干特征訓練檢測頭1的原始損失外，另一個檢測頭2將輔助主干特征作為輸入來產(chǎn)生輔助監(jiān)督。請注意，檢測頭1和檢測頭2是權(quán)重共享。輔助監(jiān)督有助于優(yōu)化學習過程，而開始的主干原始損失承擔了最多的責任。 研究者增加權(quán)重來平衡助理監(jiān)督，其中總損失表示為：

4 實驗

新提出的方法與最先進的檢測器在COCO目標檢測和實例分割方面的比較結(jié)果。

Visualization of class activation APping, using ResNet50 and Dual-ResNet50 as backbone. The baseline detector is Faster R-CNN ResNet50 with 800 × 500 input size. For each backbone, we visualize the stage 2 viewed in color.