AC-FPN：目标检测中的注意力机制

Attention-guided Context Feature Pyramid Network for Object Detection

https://arxiv.org/pdf/2005.11475.pdf

https://github.com/Caojunxu/AC-FPN

在目标检测领域，图像输入越来越大（1333 * 800），但使用的特征提取网络还是图片分类时候的（224*224）.

显然地，感受野已经“不太够用”了：因为看得见，所以会相信；如果看不见，那就乱来了。

为解决此问题，AC-FPN设计了一个新的网络结构，称为以注意力导向的上下文特征金字塔网络，该网络结构通过融合多路不同感受野特征，不仅增大物体感受野，而且还可以利用物体的上下文信息，更好得给出分类结果。

该模型主要包含两个模块：第一个是上下文提取模块（CEM），它从多个感受野中探索大量上下文信息，但冗余的上下文关系可能会误导定位以及识别，因此还设计了第二个模块，称为注意力引导模块（AM），该模块可以通过注意力机制来自适应提取显著对象周围的有用信息。AM由两个子模块组成，即上下文注意模块（CxAM）和内容注意模块（CnAM），它们分别用于捕获区分性语义信息和定位精确位置信息，从而得到更好的检测和分割结果。

AC-FPN可以轻松插入现有的基于FPN的模型中，在使用不到200行代码就可以提升FPN-resnet50近3mAP，在其他前沿框架也取得了很大的提升。

代码已经开源：https://github.com/Caojunxu/AC-FPN