华中科大提出CE-FPN：通道增强特征金字塔网络
提出三大模块：亚像素跳跃融合模块，亚像素上下文增强模块，通道注意力指导模块，可助力基于FPN的检测器涨点！优于AugFPN等同类工作。
注1：文末附【目标检测】交流群
注2：整理不易，欢迎点赞，支持分享！
想看更多CVPR 2021论文和开源项目可以点击：
CE-FPN: Enhancing Channel Information for Object Detection
作者单位：华中科技大学, 河南大学
论文： https:// arxiv.org/abs/2103.1064 3
特征金字塔网络（FPN）已经成为提取目标检测中多尺度特征的有效框架。然而，当前基于FPN的方法大多遭受通道减少的固有缺陷，这带来了语义信息的丢失。并且其他融合特征图可能会导致严重的混叠效果。
在本文中，我们提出了一种新颖的通道增强特征金字塔网络（CE-FPN），该网络具有三个简单而有效的模块来缓解这些问题。
具体而言，受亚像素卷积的启发，我们提出了一种 亚像素跳跃融合方法（SSF） ，可同时执行通道增强和上采样。代替原始的1x1卷积和线性上采样，它可以减轻由于信道减少而导致的信息丢失。
然后，我们提出了一种 亚像素上下文增强模块（SCE） ，用于提取更多的特征表示，由于亚像素卷积利用了丰富的通道信息，因此优于其他上下文方法。
此外，引入了一个 通道注意力指导模块（CAG） 来优化每个级别上的最终集成特征，从而仅在少量计算负担的情况下减轻了混叠效应。
实验结果
我们的实验表明，与MS COCO基准上最先进的基于FPN的检测器相比，CE-FPN具有竞争优势。
CVer-目标检测交流群
建了CVer-目标检测交流群！想要进目标检测学习交流群的同学，可以直接加微信号： CVer9999 。加的时候备注一下： 目标检测+学校/公司+昵称 ，即可。然后就可以拉你进群了。
强烈推荐大家关注 CVer知乎 账号和 CVer 微信公众号，可以快速了解到最新优质的CV论文。
推荐阅读
谷歌大脑提出：理解用于图像分类的Transformer的鲁棒性
CVPR 2021 | Sewer-ML：多标签下水道缺陷分类数据集和基准
性能没到SOTA！POET：基于Transformer的端到端可训练多人体姿态估计
CVPR 2021 | 使用Transformer和自监督学习改进跨模态食谱检索
屠榜各大CV任务！Swin Transformer：层次化视觉Transformer
一张图等于16x16个字，那一个视频呢？STAM：基于Transformer的行为识别新网络
视觉Transformer可以在没有自然图像的情况下学习吗？
DeepMind提出DetCon：用于高效视觉预训练的对比检测
Transformer再下一城！VolT：用于多视图3D重建的3D Volume Transformer
商汤提出CeiT：将卷积设计整合到视觉Transformers中
新Backbone来了！谷歌提出HaloNets：缩放局部自注意力获得超强视觉Backbone | CVPR 2021 Oral
CVPR 2021 Oral | Transformer遇见跟踪器：利用时间上下文进行视觉追踪
无卷积！PoseFormer：第一个基于时空Transformer的3D人体姿态估计
CVPR 2021 | ReDet：用于遥感目标检测的旋转等变检测器
TransFG：首个基于Transformer的细粒度视觉识别网络
CVPR 2021 | 全新Backbone！ReXNet：助力CV任务全面涨点
56.4 AP！超越YOLOv4，更快更强的CenterNet2来了！
谷歌新论文石锤Transformer！别只看注意力，没有残差和MLP，它啥都不是
CVPR 2021 | 自监督学习新方法！Kakao提出SCRL：空间一致表示学习
TransMed：Transformer推动多模态医学图像分类
CVPR 2021 | 真内卷！Involution：反转卷积的固有性以进行视觉识别
CVPR 2021 Oral | 何恺明等提出SimSiam：探索简单的孪生表示学习
CVPR 2021 Oral | Transformer再突破！美团等提出VisTR：视频实例分割网络
CVPR 2021 | WebFace260M：百万级人脸识别数据集和基准
CVPR 2021 | 旷视提出GID：用于目标检测的通用实例蒸馏
Facebook提出SEER：10亿参数，10亿张图，无需标记，自监督训练数据集！
CoTr：基于CNN和Transformer进行3D医学图像分割
新视觉任务！CVPR 2021 Oral | OWOD：面向开放世界的目标检测
CV和NLP通吃！谷歌提出OmniNet：Transformers的全方位表示
CVPR 2021 | Transformer进军low-level视觉！北大华为等提出预训练模型IPT
华为诺亚提出TNT：Transformer in Transformer
Transformer携手Evolving Attention在CV与NLP领域全面涨点！
视觉Transformer再升级！美团提出CPVT：条件位置编码Transformer
无卷积！金字塔视觉Transformer(PVT)：用于密集预测的多功能backbone
Transformer is All You Need：使用统一Transfomer的多模态多任务学习
更深、更轻量级的Transformer！Facebook提出：DeLighT
基于深度学习的单图像超分辨率：全面综述（2014-2020）
视觉Transformer上榜！DeepMind科学家：2020年AI领域十大研究进展
没有卷积！TransGAN：首个基于纯Transformer的GAN网络
最强ResNet变体！归一化再见！DeepMind提出NFNet，代码已开源！
Facebook提出：基于视觉Transformer的图像检索
效果远超Transformer！AAAI 2021最佳论文Informer：最强最快的序列预测神器
DeepMind重新设计高性能ResNet！无需激活归一化层
T2T-ViT：在ImageNet上从头训练视觉Transformer
84.7％！BoTNet：视觉识别的Bottleneck Transformers
