2020 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR)
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:
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。
训练未使用数据集放大方法。