EfficientDet阅读笔记

EfficientDet: Scalable and Efficient Object Detection

2020 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR)

1、创新点

• 提出了一种加权的双向特征金字塔网络(BiFPN)；
• 提出了一种复合尺度方法，同时统一尺度所有主干网络、特征网络和边界框/类别预测网络的分辨率、深度和宽度。
  EfficientDet-D7用52M的参数和325B FLOPs在coco测试数据集上取得52.2AP，较以前的检测器小4-9倍，少使用13-42倍的FLOPs。
  

2、BiFPN

2.1 结构

传统的FPN结构受限于单一方向的信息流；PANet在FPN基础上增加了一个自下而上的路径聚合网络(path aggregation network)；NAS-FPN使用神经网络搜索更好的多尺度特征网络拓扑，但这需要成千张GPU，发现的网络也不规则，并且非常难解释和修改。
本文就多尺度连接提出几项改进：

1. 删除只有单输入的节点。没有特征融合意味着对特征网络贡献小。
2. 在同级的输入和输出端增加shortcut。不增加计算成本的情况下融合更多特征。
3. 相较于PANet只有一个Top-Down和Down-Top，BiFPN将双向路径作为一个特征网络层，可重复使用，以便融合跟多特征。
   

2.2 加权特征融合数学表达式

1. Unbounded fusion
   
   w是个可学习的参数，缺点是权重没有约束，将导致训练不稳定。
2. Softmax-base fusion
   
   听过softmax将权重缩放至(0, 1)之间，但softmax增加了运算时间。
3. Fast normalized fusion
   
   每个wi后使用Relu激活，ε = 0.0001防止分母为0。
   
   由Table 6知方法3比2快了不少，但AP并没有损失多少。
   

3、复合缩放方法

使用一个超参数φ就可以缩放主干网络、BiFPN、class/box network和分辨率。

1. 主干网络
   EfficientDet-B0 到B6使用相同的宽度\深度缩放系数，这样就可以使用预训练权重。
2. BiFPN
   
   BiFPN的宽度和深度缩放表达式如上图所示，1.35是一组参数中选出最好的。
3. Box/class prediction network
   宽度和BiFPN的宽度一样， 深度增加公式如下图，[]中表达式向下取整。
   
4. Resolution
   
   
   

4、实验

训练未使用数据集放大方法。