YOLOv10改进 | Neck篇 | YOLOv10引入BiFPN双向特征金字塔网络

1.BiFPN介绍

摘要：模型效率在计算机视觉中变得越来越重要。 在本文中，我们系统地研究了用于目标检测的神经网络架构设计选择，并提出了几个提高效率的关键优化。 首先，我们提出了一种加权双向特征金字塔网络（BiFPN），它可以轻松快速地进行多尺度特征融合； 其次，我们提出了一种复合缩放方法，可以同时统一缩放所有主干网络、特征网络和框/类预测网络的分辨率、深度和宽度。 基于这些优化和更好的主干，我们开发了一个新的目标检测器系列，称为EfficientDet，它在各种资源限制下始终实现比现有技术更高的效率。 特别是，通过单模型和单尺度，我们的EfficientDet-D7 在 COCO 测试开发上实现了最先进的 55.1AP，具有77M参数和410B FLOPs1，比以前的检测器小4至9倍，使用的FLOP数减少13至42倍。

官方论文地址：https://arxiv.org/pdf/1911.