摘要
许多现代目标检测器通过采用“看两次、想两次”的机制实现了卓越的性能。本文在目标检测的主干网络设计中探索了这一机制。在宏观层面，我们提出了递归特征金字塔（Recursive Feature Pyramid），该结构将特征金字塔网络（Feature Pyramid Networks）的额外反馈连接引入自底向上的主干网络层中；在微观层面，我们提出了可切换空洞卷积（Switchable Atrous Convolution），该方法使用不同的空洞率对特征进行卷积，并通过切换函数融合结果。二者结合形成了DetectoRS模型，显著提升了目标检测的性能。在COCO测试集（test-dev）上，DetectoRS在目标检测任务中取得了55.7%的边界框平均精度（box AP），在实例分割任务中达到48.5%的掩码平均精度（mask AP），在全景分割任务中实现50.0%的全景分割精度（PQ），均达到当前最优水平。相关代码已公开发布。