AC-FPN：目標(biāo)檢測中的注意力機(jī)制

Attention-guided Context Feature Pyramid Network for Object Detection

https://arxiv.org/pdf/2005.11475.pdf

https://github.com/Caojunxu/AC-FPN

在目標(biāo)檢測領(lǐng)域，圖像輸入越來越大（1333 * 800），但使用的特征提取網(wǎng)絡(luò)還是圖片分類時候的（224*224）.

顯然地，感受野已經(jīng)“不太夠用”了：因?yàn)榭吹靡?，所以會相信；如果看不見，那就亂來了。

為解決此問題，AC-FPN設(shè)計(jì)了一個新的網(wǎng)絡(luò)結(jié)構(gòu)，稱為以注意力導(dǎo)向的上下文特征金字塔網(wǎng)絡(luò)，該網(wǎng)絡(luò)結(jié)構(gòu)通過融合多路不同感受野特征，不僅增大物體感受野，而且還可以利用物體的上下文信息，更好得給出分類結(jié)果。

該模型主要包含兩個模塊：第一個是上下文提取模塊（CEM），它從多個感受野中探索大量上下文信息，但冗余的上下文關(guān)系可能會誤導(dǎo)定位以及識別，因此還設(shè)計(jì)了第二個模塊，稱為注意力引導(dǎo)模塊（AM），該模塊可以通過注意力機(jī)制來自適應(yīng)提取顯著對象周圍的有用信息。AM由兩個子模塊組成，即上下文注意模塊（CxAM）和內(nèi)容注意模塊（CnAM），它們分別用于捕獲區(qū)分性語義信息和定位精確位置信息，從而得到更好的檢測和分割結(jié)果。

AC-FPN可以輕松插入現(xiàn)有的基于FPN的模型中，在使用不到200行代碼就可以提升FPN-resnet50近3mAP，在其他前沿框架也取得了很大的提升。

代碼已經(jīng)開源：https://github.com/Caojunxu/AC-FPN