摘要

本文分析了在极端尺度变化下识别和检测物体的不同技术。通过使用不同配置的输入数据训练检测器，比较了特定尺度和尺度不变的设计方法。通过对ImageNet上小物体分类的不同网络架构进行性能评估，我们展示了卷积神经网络（CNNs）对尺度变化并不鲁棒。基于这一分析，我们提出在同一图像金字塔的相同尺度上训练和测试检测器。由于小物体和大物体分别在较小和较大尺度下难以识别，我们提出了一种称为图像金字塔尺度归一化（Scale Normalization for Image Pyramids, SNIP）的新颖训练方案，该方案根据图像的尺度选择性地反向传播不同大小物体实例的梯度。在COCO数据集上，我们的单模型性能达到了45.7%，而由3个网络组成的集成模型获得了48.3%的平均精度均值（mAP）。我们使用预训练的ImageNet-1000模型，并仅使用边界框监督进行训练。我们的提交赢得了COCO 2017挑战赛的最佳学生作品奖。代码将在\url{http://bit.ly/2yXVg4c}提供。