PAnet 论文阅读笔记,sci论文阅读

Path Aggregation Network for Instance Segmentation 网络结构如下，在FPN的基础上加了一个bottom-up path augmention，也就是b所表示的结构，此结构缩短了从最浅层大尺度特征图到最终用于检测的小尺度特征图的距离，按FPN的结构，从最浅层大尺度特征图到结果的小尺度特征图要走红色这条线，经过很多层网络（因为走了一个resnet101或者resnet50），但是PAnet提供了绿色这条捷径，经过较少的层数。 此外提出了一个adative feature pooling，用一个element wise的max把多层特征fusion到一起，并且探究了训练好的这个网络对不同大小的目标的特征来源的占比。这个给实验表明，小目标（原本在FPN被分配到level1的大特征图）源自level1的特征仅占0.3的比例，其它也是如此。这表明每个目标都同时需要不同层的特征图。