摘要
在目标检测任务中，如何在高分辨率输入下平衡特征图分辨率与感受野之间的矛盾需求，仍然是一个尚未解决的开放性问题。针对这一挑战，本文提出了一种新型网络架构——注意力引导的上下文特征金字塔网络（Attention-guided Context Feature Pyramid Network, AC-FPN），通过融合注意力引导的多路径特征，有效利用来自不同大感受野的判别性信息。该模型包含两个核心模块：第一个是上下文提取模块（Context Extraction Module, CEM），用于从多个不同感受野中挖掘丰富的上下文信息；由于冗余的上下文关系可能误导目标定位与识别，本文进一步设计了第二个模块——注意力引导模块（Attention-guided Module, AM），该模块基于注意力机制自适应地捕捉对象间的显著依赖关系。AM进一步细分为两个子模块：上下文注意力模块（Context Attention Module, CxAM）和内容注意力模块（Content Attention Module, CnAM），分别专注于提取具有判别性的语义信息和实现精确的位置定位。尤为重要的是，所提出的AC-FPN可无缝集成至现有的基于FPN的检测模型中。在目标检测与实例分割任务上的大量实验表明，引入本文所提出的CEM与AM后，原有模型性能显著优于未使用该模块的基线模型，且本方法成功取得了当前最先进的实验结果。相关源代码已开源，地址为：https://github.com/Caojunxu/AC-FPN。