EfficientDet论文讲解

EfficientDet

0、摘要

1、整体架构

[1.1 BackBone：EfficientNet-B0](#1.1 BackBone：EfficientNet-B0)

[1.2 Neck：BiFPN特征加强提取网络](#1.2 Neck：BiFPN特征加强提取网络)

[1.3 Head检测头](#1.3 Head检测头)

[1.4 compound scaling](#1.4 compound scaling)

EfficientDet

影响网络的性能(或者说规模)的三大因素：depth(layer的重复次数), width(特征图channels), resolution(特征图宽高)。

EfficientDet是以EfficientNet作为BackBone提取特征，以BiFPN作为加强特征提取网络。依据复杂度不同分为8个版本，其中网络EfficientNetB0-B6，BiFPN重复次数不同，共同组成成EfficientNetD0-D7。

下面结合原文，和一些博客资料，展开详细描述。

0、摘要

为了提高map值，以往的模型都在堆参数(eg:ResNXt)，map是提上去了，但是计算量产目忍睹；针对这个问题，本文提出efficientdet，确保牛逼性能(coco 上最高55.1%)的同时，参数量低得一批（模型参数量缩小4-9倍，参数量缩小13-42倍，原因是：借鉴mobileNet，到处使用deep wise conv，BiFPN删除了冗余节点）。创新之处在于：

提出简洁、快速的多尺度特征融合Neck：BiFPN；
提出了一种模型缩放方案：即：通过适当地修改：BackBone 中特征图分辨率、channels、深度，Neck ：BiFPN重复次数，Head (框、类别预测层)中的特征图的channels等多个参数，达到模型最优。(以上参数不是瞎J8乱设置的，也不是和NAS搜索架构那样自动搜索的，而是本文创造的一个公式，参考：1.4 compound scaling
，有章可循！) （注：D0-D7不同版本对应不同的EfficientNetB0-B6，图像输入分辨率也不一样！）

1、整体架构

（注：上图中，变量后缀_U、_D分别表示上采样、下采样）

EfficientDet是以EfficientNet为backBone提取特征，依据网络复杂度不同都有8个版本，如上图，网络主要包含：

BackBone(EfficientNet )：输出5个特征层到BiFPN
Neck(BiFPN Layer加强特征提取)：处理BackBone输出的5个特征图，之后再输出5个特征层给Head。
Head(class&box prediction net)：box预测 + class预测

1.1 BackBone： EfficientNet-B0

对于主干网络，主要依赖MBConvBlock重复提取、压缩特征，如下图，然后将中高低特征层（P3、4、5；P6和P7都是由P5下采样得到的）拿出来，输入到BiFPN层。

EfficientNet分为B0-B6等7个版本，每个本版中，特征图的分辨率、channels和卷积层的重复次数不同，具体EfficientDet如何使用的，待更新！

1.2 Neck：BiFPN 特征加强提取网络

BiFPN(加权的双向特征金字塔网络，权重矩阵可理解为注意力机制)，这里拿FPN、PANet、NAS-FPN作为对比，以下是四种多尺度特征融合结构图：

四种多尺度特征融合网络

如下图，PANet精度最好，但是计算量最多(时间开销是BiFPN的1.31倍)，所以选择基于PANet改进，得到BiFPN(改进如上图？(d)BiFPN)，修改内容如下：

删除只有一个输入的节点(因为删除的节点只有一个输入，删了之后几乎不改变性能，并且能够降低计算量)，如图(b)PANet;
增加额外的skip连接，加强特征提取；
重复BiFPN加强特征提取

三种经典多尺度特征融合网络

另外，在多尺度特征图融合的时候，我们知道，特征图融合之前，由于分辨率不一样，传统步骤：先将所有两组待融合（下文成为A、B）的特征图进行resize到一样的尺寸，然后直接作加法。

但是，本文认为A、B的重要程度是一样的，所有给A、B都设定了权重tensor，加上权重后能提升效果。然而新的问题来了，直接加权重tensor可能导致特征值范围不受限制，进而导致训练不稳定，基于此，本文又利用softmax将权重tensor进行了归一化(使得所有权值取值为:[0, 1])，解决了训练不稳定问题。然而(尼玛的)，实验表明，利用softmax归一化会导致网络慢得一批，于是，本文又提出了一种快速归一化方法，公式如下：

相对于softmax，能够提速30%，相当残忍。如下图，给出BiFPN中第六层的计算公式和示意图：

小结：BiFPN是基于PANet进行改进的，主要有以下几点：

删除只有一个输入的节点，提升速度；
引入权重tensor，提升精度
改进softmax提升速度
增加skip连接、重复BiFPN次数，进一步加强特征提取

下面补充下网络解读：

P6 P7是由P5下采样得到，在将特征输入到BiFPN之前，P3、P4、P5需要调整通道数一致。

其中，每个MbconvBlock的结构如下图；Block 的通用结构如下，其总体的设计思路是 Inverted residuals 结构和残差结构，在 3x3 或者 5x5 网络结构前利用 1x1 卷积升维，在 3x3 或者 5x5 网络结构后增加了一个关于通道的注意力机制，最后利用 1x1 卷积降维后增加一个大残差边（和 MobileNetV2&3 类似，都是 google 一家的东西）。

在获得P3_out、P4_td、P4_in_2、P5_td、P5_in_2、P6_in、P6_td、P7_in之后，之后需要对P3_out进行下采样，下采样后与P4_td、P4_in_2堆叠获得P4_out；之后对P4_out进行下采样，下采样后与P5_td、P5_in_2进行堆叠获得P5_out；之后对P5_out进行下采样，下采样后与P6_in、P6_td进行堆叠获得P6_out；之后对P6_out进行下采样，下采样后与P7_in进行堆叠获得P7_out。

将获得的P3_out、P4_out、P5_out、P6_out、P7_out作为P3_in、P4_in、P5_in、P6_in、P7_in，重复2、3步骤进行堆叠即可，对于Effiicientdet B0来讲，还需要重复2次，需要注意P4_in_1和P4_in_2此时不需要分开了，P5也是。

1.3 Head 检测头

通过第二部的重复运算，我们获得了P3_out, P4_out, P5_out, P6_out, P7_out。为了和普通特征层区分，我们称之为有效特征层，将这五个有效的特征层传输过ClassNet+BoxNet就可以获得预测结果了。对于Efficientdet-B0来讲，如下图：

ClassNet采用：

① ：3次64通道的卷积(**深度可分离卷积，**D0版本是3数)

② ：1次num_anchors x num_classes的卷积(**调整通道数，获得最终预测结果；注：**num_anchors x num_classes表示channel维度，这里num_anchors一般取值为9)

注：num_anchors指的是该特征层所拥有的先验框数量，num_classes指的是网络一共对多少类的目标进行检测。

BoxNet采用：

① ：3次64通道的卷积

② ：和1次num_anchors x 4的卷积，num_anchors指的是该特征层所拥有的先验框数量，4指的是先验框的调整情况。需要注意的是，每个特征层所用的ClassNet是同一个ClassNet；每个特征层所用的BoxNet是同一个BoxNet。其中：num_anchors x 4的卷积用于预测该特征层上每一个网格点上每一个先验框的变化情况。

注：num_anchors x num_classes的卷积用于预测该特征层上每一个网格点上每一个预测框对应的种类。