SpineNet | 网络架构设计新范式

注： 原解读文发于2020/05/22 https://arxiv.org/pdf/1912.05027.pdf❝谷歌出品，必属精品。该文是NAS在DET领域的又一突破性成果。❞Abstract CNN往往会将输入图像编码为一系列分辨率递减的中间特征。尽管这种结构比较适合于分类任务，但它在需要同时进行识别与定位的任务(比如目标检测)中表现并不够好。通过在骨干网络后添加解码网络的编解码架构被提出用于解决上述问题， 作者认为：由于骨干网络的尺度递减特性，编解码架构对于生成强多尺度特征方面是低效的。因此，作者提出了SpineNet，一种具有尺度排列中间特征的骨干网络与采用NAS专为目标检测任务而学习的跨尺度连接特性的网络。采用相似的构建模块，SpineNet以3%AP性能优于ResNet-FPN模型，同时具有更少的FLOPS(10%-20%fewer)。更重要的是，无需(test-time augment, TTA)，SpineNet-190单模型在COCO数据集取得了52.1%A ………………………………