張業(yè)星，陳 敏，潘秋羽

(中國(guó)電建集團(tuán)華東勘測(cè)設(shè)計(jì)研究院有限公司 浙江華東工程數(shù)字技術(shù)有限公司，浙江 杭州 310000)

0 引 言

圖1 一階段與二階段方法對(duì)比

隨著深度學(xué)習(xí)應(yīng)用研究的井噴式發(fā)展，與計(jì)算機(jī)視覺(jué)相關(guān)的任務(wù)需求也在日益增多。通用目標(biāo)檢測(cè)作為一項(xiàng)結(jié)合了目標(biāo)分類(lèi)與定位的基礎(chǔ)視覺(jué)任務(wù)，其目的在于區(qū)分圖像中的復(fù)雜背景與潛在目標(biāo)，并對(duì)每一個(gè)潛在目標(biāo)預(yù)測(cè)其所屬的類(lèi)別(Label)與位置(Bounding Box)。作為目標(biāo)跟蹤、目標(biāo)重識(shí)別等高級(jí)視覺(jué)任務(wù)的理論研究基礎(chǔ)，目標(biāo)檢測(cè)任務(wù)對(duì)圖像內(nèi)容表達(dá)、圖像信息理解等應(yīng)用領(lǐng)域也有著深遠(yuǎn)影響，越來(lái)越受到國(guó)內(nèi)外研究學(xué)者的重視。隨著近些年機(jī)器視覺(jué)理論與特征建模技術(shù)的蓬勃發(fā)展，基于卷積神經(jīng)網(wǎng)絡(luò)(convolutional neural networks，CNN)的通用目標(biāo)檢測(cè)方法逐漸取代了傳統(tǒng)的檢測(cè)方法，在精度和速度上都實(shí)現(xiàn)了巨大的突破?，F(xiàn)階段依賴CNN的檢測(cè)方法主要可以分為兩類(lèi)，第一類(lèi)是利用回歸的方式直接在特征圖上預(yù)測(cè)出目標(biāo)類(lèi)別與位置信息的一階段方法，其中代表性算法有YOLO系列[1-3]、SSD系列[4-6]等；第二類(lèi)是先在特征圖上進(jìn)行候選區(qū)域(region proposal，RP)生成，然后再利用RP有針對(duì)性地進(jìn)行類(lèi)別和位置信息預(yù)測(cè)的二階段方法，代表性算法有RCNN系列[7-9]等。如圖1所示，通過(guò)對(duì)比兩類(lèi)方法發(fā)現(xiàn)，無(wú)論是一階段還是二階段的檢測(cè)方法，其首要步驟都是對(duì)輸入的圖像進(jìn)行特征提取，進(jìn)而得到含有豐富語(yǔ)義的抽象特征集合。因此，本文做出了基于統(tǒng)計(jì)的預(yù)測(cè)，CNN生成特征的好壞對(duì)于分類(lèi)器和回歸器的學(xué)習(xí)過(guò)程尤為關(guān)鍵，這將直接決定模型表現(xiàn)的上限，而檢測(cè)的算法只是在盡可能逼近這個(gè)上限。

1 研究現(xiàn)狀

近些年，有越來(lái)越多的學(xué)者開(kāi)始針對(duì)CNN的級(jí)聯(lián)特征進(jìn)行探索，以期獲得更具計(jì)算機(jī)視角下的語(yǔ)義特征來(lái)增強(qiáng)模型的表達(dá)力和泛化力。其中FPN[10]針對(duì)Faster RCNN[8]中單一尺度特征圖預(yù)測(cè)缺少底層細(xì)節(jié)信息的問(wèn)題，設(shè)計(jì)了自頂向下的融合鏈接，彌補(bǔ)了底層特征圖缺少的強(qiáng)語(yǔ)義信息，提升了對(duì)小目標(biāo)的檢測(cè)效果；RSSD[11]算法針對(duì)原SSD算法中同一目標(biāo)易被多個(gè)邊框檢測(cè)到的現(xiàn)象，提出了Rainbow Concat結(jié)構(gòu)，增加了分類(lèi)網(wǎng)絡(luò)中不同特征層級(jí)之間的關(guān)聯(lián)性；PoolNet[12]針對(duì)FPN[10]中融合鏈接帶來(lái)的高層抽象語(yǔ)義被稀釋問(wèn)題，設(shè)計(jì)了GGM和FAM減少抽象語(yǔ)義流失，改進(jìn)傳統(tǒng)特征金字塔在顯著性檢測(cè)方面的應(yīng)用。

綜上這些方法[10-12]都對(duì)圖像的特征空間進(jìn)行了建模，并利用多尺度特征融合對(duì)頂層強(qiáng)語(yǔ)義特征或底層弱語(yǔ)義特征進(jìn)行彌補(bǔ)，提高模型表達(dá)力，這無(wú)疑表明CNN級(jí)聯(lián)特征的增強(qiáng)對(duì)于目標(biāo)檢測(cè)任務(wù)而言是至關(guān)重要的。雖然這些方法一定程度上改善了之前僅使用單一尺度特征圖進(jìn)行預(yù)測(cè)帶來(lái)的精度低、魯棒性差等問(wèn)題，但由于其方法在建模過(guò)程中忽略了信息的逐層衰減，致使模型難以有效適應(yīng)復(fù)雜場(chǎng)景下的多尺度檢測(cè)任務(wù)。因此，本文在此基礎(chǔ)上構(gòu)建了全新的特征增強(qiáng)模塊(feature enhancement module，F(xiàn)EM)，在彌補(bǔ)圖像全局信息的同時(shí)，增強(qiáng)了網(wǎng)絡(luò)級(jí)聯(lián)特征的表達(dá)力。本文所提出特征網(wǎng)絡(luò)的結(jié)構(gòu)如圖2所示。

圖2 特征提取網(wǎng)絡(luò)

網(wǎng)絡(luò)首先通過(guò)CNN級(jí)聯(lián)對(duì)輸入圖像進(jìn)行高維度特征提取，然后利用自頂向下鏈接將Backbone每階段的輸出進(jìn)行融合建模，構(gòu)建特征金字塔，最后再通過(guò)對(duì)其進(jìn)行特征增強(qiáng)處理，生成含有豐富語(yǔ)義的最終特征用于后續(xù)的目標(biāo)檢測(cè)和邊框回歸。

2 相關(guān)工作

多維特征信息的融合互補(bǔ)可以增強(qiáng)圖像特征空間的表達(dá)能力。底層特征圖的分辨率偏大，但感受野過(guò)小，每個(gè)像元關(guān)注的多為潛在對(duì)象的微觀特征如紋理、線條；頂層特征圖的分辨率很小，但感受野較大，每個(gè)像元通過(guò)網(wǎng)絡(luò)級(jí)聯(lián)可以將細(xì)節(jié)信息抽象為更具機(jī)器視角的宏觀特征如輪廓、形狀。傳統(tǒng)的FPN和FSSD[6]等鏈?zhǔn)教卣魅诤戏椒ㄖ会槍?duì)單一方向缺失的語(yǔ)義信息進(jìn)行了彌補(bǔ)，忽略了語(yǔ)義信息來(lái)源的多方向性，如圖3(a)所示，F(xiàn)PN模型中自頂向下鏈接的設(shè)計(jì)雖然彌補(bǔ)了特征金字塔中各個(gè)層級(jí)的頂層宏觀信息，但由于鏈接的單向性，使得頂層特征圖并未得到較低層微觀信息的補(bǔ)充；又比如圖3(b)中的FSSD模型，雖然先融合各個(gè)層級(jí)的信息去構(gòu)建底層的基礎(chǔ)特征層，并依靠自底向上鏈接去級(jí)聯(lián)生成新的特征金字塔，但因?yàn)榧?jí)聯(lián)路徑也是單向的，使得底層的特征圖無(wú)法獲得較高層宏觀信息的彌補(bǔ)。

圖3 FPN與FSSD融合模塊

本文針對(duì)上述問(wèn)題，對(duì)傳統(tǒng)的鏈?zhǔn)饺诤辖Y(jié)構(gòu)進(jìn)行了改進(jìn)，通過(guò)在特征融合階段引入FEM來(lái)加強(qiáng)CNN級(jí)聯(lián)所得特征圖的表達(dá)力；除此之外，還利用特征金字塔各層級(jí)特征圖間的二次融合，減少了特征圖語(yǔ)義間的噪聲，構(gòu)建具有更強(qiáng)表達(dá)力的特征空間，從而更好地表達(dá)原圖像的全局信息；最后，本文設(shè)計(jì)了消融實(shí)驗(yàn)將未使用FEM和使用FEM的模型進(jìn)行對(duì)比，印證了改進(jìn)后方法的有效性。

2.1 特征增強(qiáng)模塊(FEM)

高層語(yǔ)義特征有助于學(xué)習(xí)目標(biāo)的類(lèi)別信息，但是過(guò)于粗糙，不利于宏觀定位；底層特征有助于學(xué)習(xí)目標(biāo)的位置信息，但語(yǔ)義太弱，不利于模型分類(lèi)，這兩種特征對(duì)于目標(biāo)檢測(cè)任務(wù)都尤為重要。傳統(tǒng)的多尺度融合檢測(cè)方法在建模時(shí)引入了縱向融合鏈接來(lái)構(gòu)造特征金字塔，但由于融合鏈接的單向性，使得金字塔中的各層級(jí)特征只能獲得單方向的語(yǔ)義信息彌補(bǔ)，影響后續(xù)目標(biāo)分類(lèi)和邊框回歸任務(wù)的性能。基于此，本文方法對(duì)CNN的級(jí)聯(lián)特征進(jìn)行了增強(qiáng)，構(gòu)建FEM實(shí)現(xiàn)多方向語(yǔ)義信息的彌補(bǔ)，補(bǔ)充融合路徑中被不斷稀釋的宏觀信息和微觀信息。FEM的詳細(xì)結(jié)構(gòu)如圖4所示。

圖4 特征增強(qiáng)模塊

FEM建模的樣本空間中共計(jì)有5個(gè)尺度的特征圖，即 {752,382,192,102,52} 分別對(duì)應(yīng)特征金字塔 {P3,P4,P5,P6,P7} 中的每個(gè)層級(jí)，其通道維度都為256。該模塊的建模嚴(yán)格遵循了按通道拼接(Channel Concat)的融合方式，涉及到的計(jì)算方式一共有3種，其中方向向下的黑色曲線代表雙線性插值上采樣，方向向上的灰色曲線代表卷積核尺寸為3，寬高方向步長(zhǎng)為2的卷積操作，虛線代表f(x)=x的網(wǎng)絡(luò)恒等映射。

模塊首先將 {P3,P4,P5,P6,P7} 中的每個(gè)樣本按照通道維度進(jìn)行分割，得到4個(gè)尺度為W×H×64的特征圖；然后將這4個(gè)分割后的特征圖分別進(jìn)行上采樣或下采樣變換，生成除自身尺度以外的其它4個(gè)特征層級(jí)的尺度，最后通過(guò)Concat操作，將變換后的4個(gè)W×H×64的特征圖與經(jīng)過(guò)恒等映射(identity mapping，IM)得到的原始特征 {P3,P4,P5,P6,P7} 按通道進(jìn)行拼接，重構(gòu)富含各個(gè)層級(jí)信息的增強(qiáng)特征 {F3,F4,F5,F6,F7}。 FEM最終輸出的特征圖尺度為W×H×512， 其中W與H屬于集合 {752,382,192,102,52}， 整個(gè)過(guò)層涉及到的計(jì)算公式如下所示

Pi_a,Pi_b,Pi_c,Pi_d=Split{Pi},i∈{3,4,5,6,7}F3=Concat{P3,B*1(P4_a),B*2(P5_b),B*3(P6_c),B*4(P7_d)}F4=Concat{P4,B*1(P5_a),B*2(P6_b),B*3(P7_c),C*1(P3_d)}F5=Concat{P5,B*1(P6_a),B*2(P7_b),C*2(P3_c),C*1(P4_d)}F6=Concat{P6,B*1(P7_a),C*3(P3_b),C*2(P4_c),B*1(P5_d)}F7=Concat{P7,C*4(P3_a),C*3(P4_b),C*2(P5_c),C*1(P6_d)}

上述公式中的Split操作代表對(duì)所選特征圖進(jìn)行通道分割；Concat操作代表對(duì)所選特征圖進(jìn)行通道拼接；B*i(X) 代表對(duì)特征圖X進(jìn)行i次寬高方向步長(zhǎng)為2的雙線性插值上采樣；C*i(Y) 代表對(duì)特征圖Y進(jìn)行j次卷積核尺寸為3，寬高方向步長(zhǎng)為2的卷積下采樣，且保持特征深度為64不變。如此一來(lái)，F(xiàn)EM能夠?qū)NN級(jí)聯(lián)金字塔的各尺度特征進(jìn)行建模，利用頂層宏觀特征和底層微觀特征的互補(bǔ)來(lái)構(gòu)建融合特征，使得增強(qiáng)后的特征圖對(duì)原圖像的全局信息更敏感。

2.2 消融實(shí)驗(yàn)

為了衡量FEM的設(shè)計(jì)對(duì)最終預(yù)測(cè)的影響，本小節(jié)設(shè)計(jì)了消融實(shí)驗(yàn)進(jìn)行驗(yàn)證。實(shí)驗(yàn)Backbone為殘差網(wǎng)絡(luò)ResNet-50[13]，訓(xùn)練、測(cè)試數(shù)據(jù)集為PASCAL VOC[14]，訓(xùn)練采用的損失函數(shù)為Multibox Loss，測(cè)試時(shí)IoU閾值為0.5。實(shí)驗(yàn)結(jié)果見(jiàn)表1，其中baseline算法為未使用FEM的融合建模方法。

表1 消融實(shí)驗(yàn)結(jié)果對(duì)比

由表1可知，本文方法所提出的FEM是一個(gè)正向積極的改進(jìn)，該模塊在mAP為82.7%的baseline方法上取得了最高2.3%的提升。除此之外，本文實(shí)驗(yàn)還對(duì)FEM中IM恒等映射帶來(lái)的mAP提示進(jìn)行了單獨(dú)評(píng)估，IM的設(shè)計(jì)借鑒了Shortcut Connection的思想，其作用在于增加神經(jīng)網(wǎng)絡(luò)中信息間的流動(dòng)并保留盡可能多的初始信息用于后續(xù)的目標(biāo)分類(lèi)和邊框回歸?？偟膩?lái)說(shuō)，本文方法利用FEM對(duì)傳統(tǒng)CNN的級(jí)聯(lián)過(guò)程進(jìn)行特征建模，促使特征空間中各個(gè)層級(jí)的語(yǔ)義信息得到彌補(bǔ)，達(dá)到增強(qiáng)特征表達(dá)力的目的，最終使模型對(duì)于復(fù)雜場(chǎng)景進(jìn)行預(yù)測(cè)時(shí)更魯棒。

表2 不同IoU閾值下的方法對(duì)比

可以發(fā)現(xiàn)，在各個(gè)IoU閾值情況下本文方法都帶來(lái)了可觀的mAP提升，最高情況是當(dāng)IoU=0.7時(shí)，提升幅度為3.6個(gè)百分點(diǎn)，如圖5所示，這在一定程度上反映了FEM對(duì)于模型精準(zhǔn)定位起到了不錯(cuò)的效果。

圖5 實(shí)驗(yàn)結(jié)果對(duì)比

3 實(shí)驗(yàn)分析

3.1 實(shí)驗(yàn)環(huán)境

本文實(shí)驗(yàn)所使用的軟硬件環(huán)境為L(zhǎng)INUX 64-bit Ubuntu 16.04操作系統(tǒng)，Intel?Xeon?Platinum 8163 CPU 2.5 GHz處理器，NVIDIA Tesla V100 32 GB GPU。實(shí)驗(yàn)程序基于了Pytorch[15]深度學(xué)習(xí)框架。

3.2 模型調(diào)優(yōu)

3.2.1 參數(shù)共享

本文算法采用了one stage的檢測(cè)流程，選取了ResNet-50作為特征提取網(wǎng)絡(luò)。通過(guò)在FEM建模完成的增強(qiáng)特征后添加cls-branch與reg-branch兩個(gè)平行分支來(lái)進(jìn)行目標(biāo)類(lèi)別置信度和坐標(biāo)偏移量的預(yù)測(cè)。兩個(gè)分支都由4個(gè)卷積核尺寸等于3，輸出維度等于512，且經(jīng)過(guò)ReLu非線性激活的卷積層組成子網(wǎng)頭部。本文實(shí)驗(yàn)為了加快訓(xùn)練時(shí)模型的收斂速度和降低過(guò)擬合風(fēng)險(xiǎn)，所以對(duì)網(wǎng)絡(luò)的參數(shù)數(shù)量進(jìn)行了控制，通過(guò)讓各個(gè)預(yù)測(cè)模塊中的cls-branch與reg-branch頭部共享網(wǎng)絡(luò)參數(shù)，使其除了最后一層輸出維度之外的其它部分完全相同。預(yù)測(cè)網(wǎng)絡(luò)的結(jié)構(gòu)如圖6所示，其中W、H屬于集合 {752,382,192,102,52}， 代表當(dāng)前層級(jí)中特征圖的寬度和高度，K代表待檢測(cè)的類(lèi)別總數(shù)(前景類(lèi)別數(shù)加背景)，A代表了錨點(diǎn)框的數(shù)量。

圖6 預(yù)測(cè)網(wǎng)絡(luò)結(jié)構(gòu)

3.2.2 錨點(diǎn)框聚類(lèi)

傳統(tǒng)的目標(biāo)檢測(cè)算法為了將模型預(yù)測(cè)的精度最大化，通常在訓(xùn)練階段會(huì)使用人為設(shè)計(jì)的多尺度、多橫縱比錨點(diǎn)框，使得回歸后的邊框能盡可能包含各個(gè)大小的目標(biāo)尺寸，但這樣卻會(huì)帶來(lái)兩個(gè)問(wèn)題：

(1)人為設(shè)計(jì)的錨點(diǎn)框尺寸沒(méi)有對(duì)當(dāng)前數(shù)據(jù)的分布進(jìn)行分析，難以利用到大數(shù)據(jù)的優(yōu)勢(shì)；

(2)大量針對(duì)錨點(diǎn)框的計(jì)算會(huì)使模型在訓(xùn)練階段難以收斂，且在推理階段速度變慢。

針對(duì)上述問(wèn)題，本文實(shí)驗(yàn)基于CNN級(jí)聯(lián)網(wǎng)絡(luò)具有輕易捕捉尺度空間信息的優(yōu)勢(shì)，為了壓縮模型的計(jì)算時(shí)長(zhǎng)，僅設(shè)計(jì)了單一尺度的錨點(diǎn)框，對(duì)于縱橫比的選取，則采用k=3的kmeans算法對(duì)數(shù)據(jù)集的真實(shí)坐標(biāo)進(jìn)行聚類(lèi)，如此一來(lái)在避免主觀設(shè)定的同時(shí)，還減少了模型計(jì)算量。

3.2.3 正負(fù)樣本平衡

正負(fù)樣本間的失衡是通用目標(biāo)檢測(cè)算法(尤其是one stage檢測(cè)算法)中普遍存在的問(wèn)題。由于待檢測(cè)的圖像中經(jīng)常是背景負(fù)樣本數(shù)量遠(yuǎn)多于前景正樣本數(shù)量，這將使得以總體分類(lèi)準(zhǔn)確率為學(xué)習(xí)目標(biāo)的分類(lèi)子網(wǎng)過(guò)多的去關(guān)注多數(shù)類(lèi)樣本，降低少數(shù)類(lèi)樣本的分類(lèi)性能，導(dǎo)致模型在訓(xùn)練階段被大量背景樣本主導(dǎo)，從而難以收斂到優(yōu)質(zhì)解，給分類(lèi)器造成性能瓶頸。針對(duì)此問(wèn)題，本文方法引入了OHEM機(jī)制，首先將全部的負(fù)樣本按照損失大小進(jìn)行遍歷，然后選取正樣本3倍數(shù)量的負(fù)樣本進(jìn)行損失統(tǒng)計(jì)，最后僅針對(duì)這些統(tǒng)計(jì)好的部分損失進(jìn)行反向傳播并更新網(wǎng)絡(luò)權(quán)重。

3.3 參數(shù)設(shè)置

本文實(shí)驗(yàn)訓(xùn)練時(shí)的參數(shù)設(shè)置如下：

(1)初始學(xué)習(xí)率lr=0.0005；

(2)最大迭代次數(shù)maxiter=50 000；

(3)學(xué)習(xí)率衰減尺度deciter=40 000；

(4)批處理數(shù)量batchsize=24；

(5)非極大值抑制閾值[16]nmsthresh=0.45；

(6)優(yōu)化動(dòng)量參數(shù)momentum=0.9。

3.4 訓(xùn)練過(guò)程

本文實(shí)驗(yàn)采用了端到端的訓(xùn)練方法，訓(xùn)練過(guò)程如下所述：

(1)骨干網(wǎng)ResNet-50使用了Image Net[17]的預(yù)訓(xùn)練參數(shù)進(jìn)行初始化，其它網(wǎng)絡(luò)參數(shù)則使用了N(0,0.1) 的正態(tài)分布函數(shù)進(jìn)行初始化；

(2)將網(wǎng)絡(luò)隨機(jī)獲取的每個(gè)批次的輸入圖像以二分之一的概率進(jìn)行水平翻轉(zhuǎn)，以增強(qiáng)模型泛化能力；

(3)將輸入圖像轉(zhuǎn)換成像素矩陣，并按照均值參數(shù)means=[0.485,0.456,0.406]， 標(biāo)準(zhǔn)差參數(shù)stds=[0.229,0.224,0.225] 進(jìn)行歸一化預(yù)處理；

(4)將預(yù)處理完的圖像張量的分辨率進(jìn)行標(biāo)準(zhǔn)化，固定為Backbone的輸入大小，即寬高皆為600；

(5)當(dāng)模型訓(xùn)練迭代到40 000次后，對(duì)學(xué)習(xí)率大小進(jìn)行衰減控制，系數(shù)取值為0.1；

(6)采用momentum=0.9的隨機(jī)梯度下降算法對(duì)損失函數(shù)進(jìn)行優(yōu)化，直至達(dá)到最大迭代次數(shù)或損失收斂。

3.5 實(shí)驗(yàn)結(jié)果

為了將本文方法與其它SOTA檢測(cè)算法的mAP進(jìn)行量化對(duì)比，現(xiàn)將實(shí)驗(yàn)結(jié)果與傳統(tǒng)特征融合建模方法FPN[10]、DSSD[5]、FSSD[6]、RSSD[11]進(jìn)行比較，實(shí)驗(yàn)中IoU閾值設(shè)定為0.5。由表3可知，本文方法在使用較淺Backbone的同時(shí)仍然取得了最高的mAP值，這主要得力于FEM的設(shè)計(jì)能夠有效緩解傳統(tǒng)鏈?zhǔn)饺诤蠋?lái)的長(zhǎng)路徑語(yǔ)義稀釋問(wèn)題，并通過(guò)對(duì)特征金字塔進(jìn)行通道建模，增強(qiáng)CNN級(jí)聯(lián)特征的表達(dá)力，使模型在復(fù)雜場(chǎng)景下的檢測(cè)效果得到提升。

圖7展現(xiàn)了本文方法在PASCAL VOC 2007測(cè)試數(shù)據(jù)集中的部分檢測(cè)樣例，可以發(fā)現(xiàn)在使用了FEM后，檢測(cè)模型能夠?qū)財(cái)?、重疊、陰影、遮擋等復(fù)雜場(chǎng)景更加魯棒。

表3 算法mAP值對(duì)比

圖7 VOC 2007目標(biāo)檢測(cè)樣例

4 結(jié)束語(yǔ)

傳統(tǒng)依賴CNN的目標(biāo)檢測(cè)算法[5,6,10,11]大都利用了融合建模方法對(duì)不同層級(jí)的語(yǔ)義特征進(jìn)行補(bǔ)充，但由于網(wǎng)絡(luò)的級(jí)聯(lián)太長(zhǎng)，信息在融合路徑中的傳遞被逐漸地稀釋?zhuān)沟媚Ｐ驮卺槍?duì)復(fù)雜場(chǎng)景進(jìn)行檢測(cè)時(shí)不夠魯棒?；诖?，本文設(shè)計(jì)了FEM對(duì)CNN級(jí)聯(lián)特征進(jìn)行增強(qiáng)。首先對(duì)底層特征圖進(jìn)行復(fù)用，利用自頂向下鏈接構(gòu)建過(guò)度特征；然后對(duì)過(guò)度特征進(jìn)行通道建模，生成適用于多尺度檢測(cè)的全局特征；最后通過(guò)兩個(gè)平行的CNN結(jié)構(gòu)分別計(jì)算得到目標(biāo)的類(lèi)別和坐標(biāo)。經(jīng)過(guò)實(shí)驗(yàn)驗(yàn)證，并在公共數(shù)據(jù)集PASCAL VOC 2007上進(jìn)行測(cè)試，本文方法取得了85.0%的mAP值，在baseline的基礎(chǔ)上取得了最高2.3%的提升。實(shí)驗(yàn)結(jié)果表明，F(xiàn)EM能夠在保留圖像原始語(yǔ)義信息不被破壞的同時(shí)去重構(gòu)富含全局描述的多尺度特征空間，這對(duì)于后續(xù)分類(lèi)器與回歸器的學(xué)習(xí)是十分有利的。但是，由于本文方法對(duì)各層級(jí)特征圖進(jìn)行了嚴(yán)格建模，計(jì)算量頗大，導(dǎo)致模型的推理速度有所降低，使得本文方法并不適用于實(shí)時(shí)性要求很高的場(chǎng)合。因此，下一步的研究工作主要集中在保留現(xiàn)有預(yù)測(cè)精度的同時(shí)，對(duì)算法的時(shí)間復(fù)雜度進(jìn)行優(yōu)化，取得預(yù)測(cè)速度和預(yù)測(cè)精度之間的平衡。