CVPR2021|特征金字塔的新方式YOLOF

論文：You Only Look One-level Feature

下載地址：

https://arxiv.org/abs/2103.09460

代碼: 

https://github.com/megvii-model/YOLOF

(1) 這表明C5層基本融合了全部語義信息，沒必要進行多尺度融合。

(2) 分而治之帶來的益處遠多于多尺度特征融合。

經過分析，SiSo精度低的原因是有兩個：

(1) 與C5的特征感受野的匹配的尺度范圍有限。

(2) 在單層通過稀疏anchor方式產生的positive anchor數量極其不平衡。

Dilated Encoder

Uniform Matching

因此Uniform Matching的方式是使用最近鄰方式來匹配。具體方式是選擇GT boxes最近的K個boxes, 這樣的方式不管GT boxes大小可以匹配相同數量的Boxes。

1.以608x608的輸入，YOLOF 在2080Ti上以60fps的速度實現(xiàn)了44.3 mAP的精度。

2.與YOLO_v4相比，在提高了0.8mAP的基礎上快了13%。

3.達到RetinaNet的精度，并比它快2.5倍。

4.僅用了一層特征就達到了DETR的精度，訓練速度快了7倍。

?------------------------------------------------

歡迎微信搜索并關注「目標檢測與深度學習」，不被垃圾信息干擾，只分享有價值知識！

10000+人已加入目標檢測與深度學習

敬正在努力的我們！