TPN: FPN的变革者，你所用检测器的Neck该更新了

关注「AIWalker」并星标从此AI不迷路 注：原解读文发于 2021/10/12arXiv:2110.04004 arXiv:2110.04004Abstract 特征金字塔已成为多尺度CV任务(比如目标检测)中普遍存在的模块。考虑到其重要性，我们将CV模型分为三个部分：backbone: 用于生成特征金字塔core：用于对特征金字塔进行提炼head：用于生成最终的输出现有对特征金字塔进行处理方案往往比较浅，往往聚焦于top-down或者bottom-up方式通讯处理 (communication-based processing)。本文提出一种新的新的架构TPN(Trident Pyramid Network)，它可以进行更深设计，同时在通讯处理与字处理之间具有更好的均衡。当在COCO检测任务上使用TPN时可以看到一致性性能提升，以1.5AP指标优于BiFPN基线 。此外，我们发现：当为TPN添加更多计算量(而非Backbone)时，ResNet50+TPN以1.7AP指标超过约了ResNet101+FPN ，同时两者具有相当的计算复杂度。 Method TPN Cor ………………………………