论文地址：https://arxiv.org/pdf/1911.09070.pdf
github地址：https://github.com/google/automl/tree/master/efficientdet
Motivation
本文作者根据EfficientNet扩展出高效的目标检测网络EfficientDet，其中主要贡献点为BiFPN和compound scaling两部分。作者根据架构搜索得到一系列的EfficientDet，用D0-D7表示。它们的速度逐渐变慢，但精度也逐渐提高。其中EfficientDet D7在326B FLOPS，参数量 52 M的情况下，COCO 2017 validation 数据集上取得了 51.0 的 mAP，sota的结果。
Methods
首先在多尺度特征融合阶段，作者提出了双向FPN的结构。CVPR 2017 的 FPN 指出了不同层之间特征融合的重要性，并且以一种比较简单，具有启发式的方法把底层的特征乘两倍和浅层相加来融合。之后出现了各种别的融合方法，比如 PANet 先从底向上连，再自顶向下连回去；M2Det 在连的时候加入 skip-connection。这些方法都是基于Conv，Sum，Concatenate，Resize，Skip Connection 等候选操作的组合。而作者基于一定的观察，提出了BiFPN。其结构单元如图所示。
作者观察到 PANet 的效果比 FPN ，NAS-FPN 要好，但计算量更大；因此作者从 PANet 出发，移除掉了只有一个输入的节点。这样做是假设只有一个输入的节点相对不太重要；另外，作者在相同 l尺度的输入和输出节点之间连了一条边，假设是能融合更多特征，类似于skip-connection；最后，PANet 只有从底向上连，自顶向下两条路径，作者认为这种连法可以作为一个基础层，重复多次。重复的次数由速度与精度之间权衡得到。结合EfficientNet的backbone和之后用于检测的两个branch得到如下图所示的EfficientDet基础框架。
此外，在特征融合中，以往的特征都是等权重相加，而作者认为从建模角度考虑，更优的方式是赋予特征不同的权重相加。
本文的第二个贡献在于compound scaling。Model Scaling 指的是受资源限制，往往需对模型进行调整。如为了把backbone部分scale up，得到更大的模型，就会考虑把层数加深，或者把输入图的分辨率增大。
基于EfficientNet在width, depth和resolution三要素上的复合scaling，EfficientDet进一步扩展，把 EfficientNet拿来做backbone，这样从 EfficientNet B0 ~ B6，就可以控制 Backbone 的规模；并且BiFPN 的 channel 数量、重复的 layer 数量也受Backbone的控制；此外还有 head 部分的层数，以及输入图片的分辨率，这些组成了 EfficientDet 的scaling config 。
其中BiFPN的width和depth的决定式为：
Head部分层数决定式为：
图像分辨率的决定式为：
ϕ \phi ϕ为backbone的level，分为0-7个level。
Experiments
数据集：COCO2017
优化器：SGD
学习率：第一个训练epoch中从0到0.16线性增加。之后以cosine模式衰减。
损失函数：focal loss
预处理：flipping and scaling
epoch数：300 for D0-D6，600 for D7
Batchsize：128 on 32 TPUv3
Results
