MatrixNets：可替代FPN，用于目标检测的可感知比例和长宽比的网络结构

译者 | 刘畅出品 | AI科技大本营（ID:rgznai100）本文介绍了一种新的网络MatrixNets（xNets），它是新的用于目标检测的深层结构。xNets将具有相似大小和高宽比的目标映射到专门的层中，从而使xNets是一种可感知比例和长宽比的网络结构。作者利用xNets来增强单阶段（One-stage）目标检测框架。 首先，作者将xNets应用于基于锚(anchor)的目标检测，用于预测目标中心并回归左上角和右下角。其次，作者根据预测的左上角和右下角，将MatrixNets用于基于角点（corner）的目标检测。每个角点都会预测目标的中心位置。作者还通过将嵌入层替换为中心回归来增强基于角点的检测。本文的最终架构在MS COCO上实现了47.8的mAP，比CornerNet高出+5.6 mAP，同时也缩小了单级（one-stage）和两级（two-stag ………………………………