CBNet: معمارية شبكة خلفية مركبة جديدة للكشف عن الكائنات

في الكاشفات القائمة على الشبكات العصبية التلافيفية (CNN)، يُعد الشبكة الأساسية (backbone network) عنصراً مهماً للغاية لاستخراج الميزات الأساسية، وتعتمد أداء الكاشفات بشكل كبير على هذه الشبكة. في هذه الورقة، نهدف إلى تحقيق أداء كشف أفضل من خلال بناء شبكة أساسية أكثر قوة باستخدام الشبكات الأساسية الموجودة مثل ResNet وResNeXt. وبشكل خاص، نقترح استراتيجية جديدة لتركيب عدة شبكات أساسية متماثلة من خلال روابط تجميعية بين الشبكات المجاورة، مما يؤدي إلى تكوين شبكة أساسية أكثر قوة تُسمى "شبكة الأساس المركب" (Composite Backbone Network - CBNet). وبهذا الشكل، تقوم شبكة CBNet بتغذية مخرجات الشبكة الأساسية السابقة، أي الميزات عالية المستوى، كجزء من المدخلات إلى الشبكة الأساسية التالية، بشكل تدريجي وطبقاً للخطوات، ونهايةً تُستخدم خرائط الميزات للشبكة الأساسية الأخيرة (التي تُسمى "الشبكة الأساسية الرائدة" - Lead Backbone) في عملية كشف الكائنات. ونُظهر أن CBNet يمكن دمجها بسهولة شديدة في معظم الكاشفات الرائدة، وتحسّن أداءها بشكل ملحوظ. على سبيل المثال، ترفع CBNet متوسط الدقة (mAP) لـ FPN وMask R-CNN وCascade R-CNN على مجموعة بيانات COCO بنسبة تتراوح بين 1.5 إلى 3.0 بالمئة. في الوقت نفسه، تُظهر النتائج التجريبية أن أداء التجزئة للInstances يمكن تحسينه أيضاً. وبشكل خاص، وببساطة دمج CBNet المقترحة في الكاشف الأساسي Cascade Mask R-CNN، نحقق نتيجة جديدة قياسية على مجموعة بيانات COCO (متوسط دقة 53.3) باستخدام نموذج واحد فقط، مما يُظهر الفعالية الكبيرة لهيكل CBNet المقترح. سيتم إتاحة الشفرة المصدرية على الرابط: https://github.com/PKUbahuangliuhe/CBNet.