CVPR-2020

---

---

1 Background and Motivation

现在的轻量级网络 only focus on a specific or a small range of resource requirements

Is it possible to build a scalable detection architecture with both higher accuracy and better efficiency across a wide spectrum of resource constraints.

本文在 efficientNet 的基础上，

• 提出 bi-directional feature pyramid network (BiFPN) ，双向特征金字塔
• 提出 compound scaling method，不仅 scale 主干，也同时 scale 特征金字塔，scale 头部检测器，

使得目标检测器（分割器）更快更准

2 Related Work

• One-Stage Detectors
• Multi-Scale Feature Representations
• Model Scaling

3 Advantages / Contributions

• BiFPN
• compound scaling method（主干 / 金字塔 / 头）

4 Method

注意会 repeated

4.1 BiFPN

efficient bidirectional cross-scale connections and weighted feature fusion.

$P_6^{td}$ 表示 intermediate feature at level 6

特征图融合的时候做了加权，有如下两种方式

（1）Softmax-based fusion

$$O=\sum _i\frac{e^{w_i}}{\epsilon +{\sum }_j{e}^{w_j}}$$

缺点速度比较慢

（2）Fast normalized fusion

$$O=\sum _i\frac{w_i}{\epsilon +{\sum }_j{w}_j}$$

效果和 Softmax-based fusion 差不多，速度快很多

金字塔采用的卷积都是 depthwise separable convolution

4.2 EfficientDet

（1）EfficientDet Architecture

one-stage 的框架

金字塔会重复堆叠

（2）Compound Scaling

uses a simple compound coefficient φ to jointly scale up all dimensions of backbone network, BiFPN network, class/box network, and resolution.

2.1 主干网络的缩放采用的是 EfficientNet 的 B0~B6

2.2 BiFPN network 的缩放规则是

W 表示 width，也即通道数，D 表示 depth，也即重复的次数

2.3 Box/class prediction network 的缩放规则是

W 同 BiFPN，

2.4 Input image resolution 的缩放规则是

5 Experiments

5.1 Datasets

COCO

5.2 EfficientDet for Object Detection

速度

5.3 EfficientDet for Semantic Segmentation

use P2 for the final per-pixel classification

5.4 Ablation Study

COCO validation set

（1）Disentangling Backbone and BiFPN

设计的 BiFPN 还是特别的猛

（2）BiFPN Cross-Scale Connections

weighted + BiFPN 最猛

（3）Softmax vs Fast Normalized Fusion

效果仅差一点点，速度快了一些

横坐标应该是迭代次数，特征图融合的权重数值上（纵坐标）还是没有太大差异的

（4）Compound Scaling

一起 scale 效果最好

6 Conclusion（own）

金字塔也可以堆叠

scale 也可以包含金字塔和头部结构一起