特征金字塔網(wǎng)絡(luò)現(xiàn)代識(shí)別系統(tǒng)中的一種基礎(chǔ)網(wǎng)絡(luò)結(jié)構(gòu)，可有效地用于檢測(cè)不同尺度的物體。SSD?是最早使用特征金字塔結(jié)構(gòu)表示多尺度特征信息的方法之一，FPN?則依賴(lài)于自下而上的特征金字塔結(jié)構(gòu)，通過(guò)建立自上而下的路徑和橫向連接從多尺度高級(jí)語(yǔ)義特征圖中獲取特征信息。在此基礎(chǔ)上，PANet?提出了一種額外的自下而上路徑，使高級(jí)特征圖也可以從低級(jí)特征圖中獲得足夠的細(xì)節(jié)信息。M2Det?通過(guò)構(gòu)建多階段特征金字塔來(lái)提取多階段和多尺度的特征，實(shí)現(xiàn)了跨層級(jí)和跨層特征融合。
本文提出了一種名為中心化特征金字塔?Centralized Feature Pyramid (CFP)?的物體檢測(cè)方法，本文方法基于全局顯式的中心特征調(diào)節(jié)。與現(xiàn)有的方法不同，本文方法不僅關(guān)注不同層之間的特征交互，還考慮了同一層內(nèi)的特征調(diào)節(jié)，該調(diào)節(jié)在密集預(yù)測(cè)任務(wù)中被證明是有益的。
大量的實(shí)驗(yàn)結(jié)果表明，CFP?可以在最先進(jìn)的?YOLOv5?和?YOLOX?目標(biāo)檢測(cè)基線上實(shí)現(xiàn)一致的性能提升。
論文的貢獻(xiàn)總結(jié)如下：
-
提出了一種空間顯式視覺(jué)中心方案，包括用于捕獲全局長(zhǎng)程依賴(lài)關(guān)系的輕量級(jí)?
MLP?和用于匯集局部關(guān)鍵區(qū)域的可學(xué)習(xí)視覺(jué)中心。 -
在常用的特征金字塔中提出了一種全局集中調(diào)節(jié)方案。文章來(lái)源：http://www.zghlxwxcb.cn/news/detail-655156.html
-
CFP?文章來(lái)源地址http://www.zghlxwxcb.cn/news/detail-655156.html
到了這里，關(guān)于YOLOV5改進(jìn)：頂刊TIP 2023 | CFP：即插即用的多尺度融合模塊，有效漲點(diǎn)！的文章就介紹完了。如果您還想了解更多內(nèi)容，請(qǐng)?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！
