EfficientDet: Scalable and Efficient Object Detection(BiFPN)

EfficientDet: Scalable and Efficient Object Detection

论文：EfficientDet: Scalable and Efficient Object Detection
论文地址：https://arxiv.org/pdf/1911.09070.pdf

卷积神经网络的速度和精度之间存在权衡，而 EfficientDet 是一个总称，可以分为 EfficientDet-D1 ~ EfficientDet-D7，速度逐渐变慢，但是精度也逐渐提高。

由上图可知，EfficientDet-D7的参数量52M，FLOPs为325B的情况下，在COCO测试集上达到了53.7的AP，是一个SOTA结果。

BiFPN

EfficientDet-D7最重要的贡献就是提出了BiFPN的特征融合。

自从FPN提出之后，各种连连看式的特征融合方法被提出来，FPN是将高层语义信息通过自顶向下的路径进行传递，PAN为了让低层的位置信息也能传递到高层语义信息层，添加了一个自低向上的路径，学术界戏称为“双塔模型”。NAS-FPN是使用神经搜索融合结构，然后重复结构块。

• 经过作者观察，PAN性能比FPN和NAS-FPN要好，但是需要更多参数和计算成本。
• 作者从PAN出发，移除了只有一个输入的节点，并假定这个只有一个输入的节点对特征融合贡献不大。
• 在相同level层添加一个skip connection，为了能融合更多的特征信息。
• 以一个自顶向下和一个自低向上的连法作为一个基础层，不断重复这个模块，就形成了BiFPN特征融合模块。

以前的特征融合都是单纯地Resize到相同尺度，Conv到相同通道数，然后Concatrate或者point-wise addition，这样就会导致一个问题，融合的特征权重相等，但实际上特征的权重应该由网络自适应地去学习，如ASFF一样。
但是如果不对权重进行归一化到[0, 1]的话，会导致网络学习不稳定，因而一般使用softmax对权重进行归一化。

作者发现softmax带有指数运算，因而会对性能有所损失，就简化了softmax的运算方式，去掉了softmax的指数运数，在 GPU 上能快 30%，性能微微损失一点。


最后来一个EfficientDet的整体架构图：

至此，BiFPN就介绍完毕了，Efficient里面还有一个针对Model Scaling而做的“炼丹方”，应该是作者经过大量模型实践得到的，有兴趣的可以去原文查看。