EfficientDet：Scalable and Efficient Object Detection

提出了一个带权重的双向特征金字塔网络（BiFPN），它可以支持简单快速的多尺度特征融合

什么是 EfficientDet？

• 
• 提出了一个带权重的双向特征金字塔网络（BiFPN），它可以支持简单快速的多尺度特征融合
• 提出了一个复合缩放方法以便可以同时一致地缩放所有backbone、特征网络和bbox/class 预测网络的分辨率、深度、宽度

EfficientDet 的模型结构？

• 
• backbone：EfficientNetv1
• 特征融合网络：带权重双向特征金字塔(BiFPN)，它从 backbone 的 level3-7 获取特征 (P3, P4, P5, P6, P7) 并且重复使用自上而下和自下而上的双向特征融合
• Head：这些融合后的特征被送入了分类和 box 回归网络来生成目标类别和预测的 bondingbox，分类和box回归网络权重在所有level的特征之间共享

EfficientDet 提出的带权重双向特征金字塔 (BiFPN)?

• 
• BiFPN 采用多输入加权残差连接进行尺度层次重新加权，再添加不同尺度的特征地图

EfficientDet 的复合缩放方法？

• 
• 只是用一个复合系数 φ来同时扩大 backbone，BiFPN，class/box 网络和 resolution (分辨率) 的所有维度
• backbone：重用了EfficientNet-B0到B6相同的宽度/深度缩放系数，因此我们可以轻松地重用其ImageNet预训练的检查点
• BiFPN：BiFPN 的宽度和深度由以下方程式缩放

  $$W_{\text {bifpn }}=64 \cdot\left(1.35^{\phi}\right), \quad D_{\text {bifpn }}=3+\phi$$

• class/box：将其宽度固定为与 BiFPN 相同，使用如下公式线性增加其深度

  $$D_{b o x}=D_{\text {class }}=3+\lfloor\phi / 3\rfloor$$

• resolution：特征 level3-7 都在 BiFPN 中被使用，输入的分辨率必须能被 2^7=128 整除，所以我们使用如下公式线性增加分辨率

  $$R_{\text {input }}=512+\phi \cdot 128$$