Pyramid Vision Transformer论文解读

简介

(1):  PVT(Pyramid Vision Transformer:)可以输出高分辨率特征图,也可以使用渐进式收缩金字塔来减少计算;

(2):  引入金字塔结构到Transformer中,使得它可以像CNN网络那样无缝接入到各种下游任务中(如:物体检测,语义分割),同时也取得了非常不错的效果;

(3):  RetinaNet+PVT 取得40.4 AP 在MS COCO数据集,超过RetinNet+ResNet50 (36.3 AP) 4.1AP;

(4):  代码开源:https://github.com/whai362/PVT

算法

PVT整体结构图

整体结构就是特征金字塔+Transformer+Attention+堆叠:

(1):  模型整体包含4个Stage,每个Stage包含Patch Embedding和Transformer Encoder;

(2):  Patch Embedding用于编码图像信息,Transformer Encoder用于解码和丰富特征信息;

(3):  特征金字塔结构被引入来降低特征图分辨率并得到多尺度特征图;

(4):  在Multi-Head Attention中提出Spatical Reduction,将key(K)和value(V)的长和宽分别缩小到之前的1/Pi;

(5):  堆叠对个阶段的输出特征图,可取代之前盛行的特征提取网络(CNN),应用于目标检测、分割等上游计算机视觉任务。

在第一个阶段,给定尺寸为HxWx3的输入图像,我们按照如下流程进行处理:

(1):  首先,将其划分为块(这里是为了与ResNet对标,最大输出特征的尺寸为原始分辨率的1/4),每个块的大小为4x4x3

(2):  然后,将展开后块送入到线性投影得到尺寸为HW/16xC1的嵌入块;

(3):  其次,将前述嵌入块与位置嵌入信息送入到Transformer的Encoder,其输出将reshape为H/4xW/4xC1

(4): 后续采取这样的方式得到金字塔特征层

代码

整体部分太多较多,接下来我们分段描述:

MLP基础模块层:包含两个线性层

MLP基础模块层

Patch Embedding:编码图像块特征信息,得到特征响应图和当前特征图的长宽,对应上图中Patch Embedding位置(包含Linear和Norm操作)

Pattch Embedding

Attention:对应于上图中Patch Embedding到Multi-Head Attention之间的操作模块,其采取自注意机制(以q,k和v的形式自关注)来增强与丰富目标特征。

Attention

Block:包含整个Transformer Encoder的所有内容,两次融合(原始特征图与Attention特征图、Attention特征图与MLP特征图)

Block

至此一个Stage中的内容以全部呈现,主体函数PyramidVisionTransformer就是融合多阶段的特征金字塔特征图,作者模型包含五个基础模型:PVT-Tiny, PVT-Small, PVT-Medium, PVT-Large和PVT-Small-F4,其中前四个可根据下图参数得到,PVT-Small-F4是仅得到最顶层特征图的输出结果图。

PVT模型参数

Pi:第i个阶段中patch个数

Ci:第i个阶段中输出特征图的通道个数

Ri:第i个阶段中Spatical Reduction Attention中长宽缩短比例

Ni:第i个阶段中Spatical Reduction Attention中Transformer Head个数

Ei:第i个阶段中Transformer Encoder的Fead Forward中通道扩张比例

结果

在同一个基准模型RetinaNet下,使用PVT替换ResNet,从下图可发现,PVT在保持与ResNet参数相当的条件下,其检测准确率普遍高于基于ResNet的RetinaNet。

检测结果在MS COCO 2017验证集  
©著作权归作者所有,转载或内容合作请联系作者
禁止转载,如需转载请通过简信或评论联系作者。
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 201,681评论 5 474
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 84,710评论 2 377
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 148,623评论 0 334
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,202评论 1 272
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,232评论 5 363
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,368评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,795评论 3 393
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,461评论 0 256
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,647评论 1 295
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,476评论 2 317
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,525评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,226评论 3 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,785评论 3 303
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,857评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,090评论 1 258
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,647评论 2 348
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,215评论 2 341

推荐阅读更多精彩内容