论文地址：https://browse.arxiv.org/pdf/1911.09516.pdf
github：https://gitcode.net/mirrors/ruinmessi/asff?utm_source=csdn_github_accelerator
1.是什么？
ASFF（Adaptive Structure Feature Fusion）网络是一种用于目标检测的神经网络模型。它是基于Faster R-CNN框架的一种改进，旨在提高特征融合的效果，从而改善目标检测的准确性和性能。
ASFF网络引入了自适应结构特征融合模块，用于融合多个不同层次的特征图。传统的目标检测网络通常只使用单一层次的特征图，而ASFF网络通过动态地选择和融合多层特征图，使得网络能够更好地捕捉目标的多尺度信息。
ASFF网络首先通过主干网络提取不同层次的特征图。然后，它使用自适应的注意力机制来对这些特征图进行加权融合，以便更好地保留重要的特征信息。最后，融合后的特征被传递给目标检测头部进行目标分类和定位。
相比传统的目标检测方法，ASFF网络在准确性和性能方面都有所提高。它能够更好地捕捉目标的多尺度信息，从而在目标检测任务中取得更好的效果。
2.为什么？
特征金字塔的一大缺点是不同尺度特征的不一致性，特别是对于一阶段检测器。确切地说，在FPN形式的网络中启发式地选择特征，高层语义信息中检测大目标、低层语义信息中检测小目标。当某个目标在某一层被当做正类时，相应地该目标区域在其它层被当做负类。如果一幅图像中既有大目标也有小目标，那么不同层间的特征的不一致性将会影响最后检测结果（大目标的检测在某一层，小目标的检测在另一层，但是网络的多尺寸检测不会仅仅检测一个特定的区域，而是综合整幅图进行检测。在特征融合时，其它层很多无用的信息也会融合进来）。
3.怎么样？
3.1 网络结构图
ASFF的关键思想是自适应地学习每个尺度特征图的融合空间权重，分为两步：恒等缩
1834
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
