AC-FPN: 目标检测中注意力导向上下文特征金字塔网络的实现

简介：
本文介绍了AC-FPN，一种创新的目标检测模型，通过引入注意力机制和特征金字塔结构，有效提升了不同尺度目标的识别精度与效率。 用于目标检测的注意力导向上下文特征金字塔网络在此存储库基础上重新实现。请按照相关文档安装和使用此存储库。该仓库发布了不带AM模块的版本，但与论文中的Pytorch实现相比，可以获得更高的性能表现。由于检测器的强大功能，在训练和推理过程中速度更快。 CEM的实现在代码量上非常简洁（少于200行），却可以将FPN（resnet50）中AP性能提高接近3%。交流FPN AC-FPN能够轻松插入现有的基于FPN的模型，从而提升整体性能表现。两种型号均以ResNet-50为基础，并且在COCO minival数据集上进行了Mask R-CNN测试。 使用（w）和不使用（w/o）我们的模块版本，在Mask CO-minival上的实验结果表明：由于建议的架构设计，我们在大多数基于FPN的方法中表现更佳，特别是在处理大型对象时。