罗大为，方建军，刘艳霞

(1.北京联合大学北京市信息服务工程重点实验室，北京 100101；2.北京联合大学城市轨道交通与物流学院，北京 100101)

0 引言

在基于深度学习的目标检测工作中，融合不同尺度的特征是提高特征提取性能的一个重要手段[1].大尺度的特征一般指浅层特征，感受野小，分辨率高，包含更多位置、细节信息，但是由于经过的卷积更少，其语义性更低，噪声更多.小尺度的特征指深层特征，感受野大，全局特征丰富，具有更强的语义信息，但是分辨率很低，对细节的感知能力较差[2].因此，在目标检测中，将不同的特征进行融合，以达到增强特征提取、优化检测模型的目的.

当前流行的融合方式主要有Concat和Add.Concat是神经网络结构设计中很重要的一种操作，经常用于连接特征，它可以将多个卷积层的特征或者是将输出层的信息进行融合[3].Concat并不会改变每一个特征的信息，只会增加特征的数量，比如DenseNet[4]、ParseNet[5]、YOLOv3[6].Add操作则是信息之间的叠加.Add是增加提取的各个特征信息，但是并没有增加特征的数量，比如Resnet[7]、FPN[8]、FCN[9].在一些研究中，通常把两种方式混合使用.或者通过卷积和采样操作将不同尺度特征进行Add或Concat操作，比如CFENet[10].采用类似特征金字塔网络(Feature Pyramid Networks，FPN)的思想，对特征融合后进行预测，但它们本质都是对特征进行Concat或者Add操作.

这些特征融合都是直接将输入的特征进行叠加或拼接，没有充分考虑其对于模型性能存在的不同影响.不同的特征对于检测结果应该存在着不同的影响，有……