Trident Pyramid Networks: The importance of processing at the feature pyramid level for better object detection

要約

特徴ピラミッドは、物体検出などのマルチスケール コンピュータ ビジョン タスクで広く使われるようになりました。
その重要性を考えると、コンピューター ビジョン ネットワークは、バックボーン (機能ピラミッドを生成する)、ネック (機能ピラミッドを改良する)、およびヘッド (最終出力を生成する) の 3 つの部分に分けることができます。
ネックと呼ばれる機能ピラミッドで動作する多くの既存のネットワークは浅く、ほとんどがトップダウンおよびボトムアップの操作の形で通信ベースの処理に焦点を当てています。
トライデント ピラミッド ネットワーク (TPN) と呼ばれる新しいネック アーキテクチャを提示します。これにより、より深い設計が可能になり、通信ベースの処理と自己処理のバランスが改善されます。
COCO オブジェクト検出ベンチマークで TPN ネックを使用すると、ResNet-50 と ResNeXt-101-DCN バックボーンの両方を使用した場合に、一般的な BiFPN ベースラインを 0.5 AP 上回る、一貫した改善が見られます。
さらに、ResNet-50+TPN ネットワークを使用した ResNet-101+FPN ベースラインを 1.7 AP 上回ることで、追加の計算をバックボーンではなく TPN ネックに入れる方が有益であることを経験的に示しています。
計算予算。
これは、現代のオブジェクト検出システムにおいて特徴ピラミッド レベルで計算を実行することの重要性を強調しています。
コードは https://github.com/CedricPicron/TPN で入手できます。

要約(オリジナル)

Feature pyramids have become ubiquitous in multi-scale computer vision tasks such as object detection. Given their importance, a computer vision network can be divided into three parts: a backbone (generating a feature pyramid), a neck (refining the feature pyramid) and a head (generating the final output). Many existing networks operating on feature pyramids, named necks, are shallow and mostly focus on communication-based processing in the form of top-down and bottom-up operations. We present a new neck architecture called Trident Pyramid Network (TPN), that allows for a deeper design and for a better balance between communication-based processing and self-processing. We show consistent improvements when using our TPN neck on the COCO object detection benchmark, outperforming the popular BiFPN baseline by 0.5 AP, both when using the ResNet-50 and the ResNeXt-101-DCN backbone. Additionally, we empirically show that it is more beneficial to put additional computation into the TPN neck, rather than into the backbone, by outperforming a ResNet-101+FPN baseline with our ResNet-50+TPN network by 1.7 AP, while operating under similar computation budgets. This emphasizes the importance of performing computation at the feature pyramid level in modern-day object detection systems. Code is available at https://github.com/CedricPicron/TPN .

arxiv情報

提供元, 利用サービス

arxiv.jp, Google