用于目标检测的注意力导向上下文特征金字塔网络
该存储库在的基础上重新实现 。 请按照上的说明安装和使用此存储库。
此仓库发布了不带AM模块的,但与纸上pytorch的实现相比,我们可以获得更高的性能。 同样,由于有检测器的强大功能,此回购协议在训练和推理中速度更快。
CEM的实现非常简单,少于200行代码,但是它可以将FPN(resnet50)中的AP性能提高近3% 。
交流FPN
AC-FPN可以轻松插入现有的基于FPN的模型中并提高性能。
物体检测的可视化。 两种型号均基于基于COCO minival的ResNet-50。
使用(w)和不使用(w / o)我们的基于ResNet-50的模块在Mask CO-minival上进行Mask R-CNN的结果。
更多细节。
标杆管理
由于建议的体系结构,我们在大多数基于FPN的方法(尤其是大型对象)上均具有更好的性能。
1