谷歌提出基于神經(jīng)網(wǎng)絡(luò)搜索的目標(biāo)檢測(cè)新型架構(gòu),同時(shí)適應(yīng)圖像識(shí)別
所有備選架構(gòu)的計(jì)算量都幾乎相同,因?yàn)樵谶@一過程中僅僅輪換了特征模塊的順序。最終學(xué)習(xí)到的尺度輪換模型在目標(biāo)檢測(cè)任務(wù)中比ResNet-50-FPN高了2.9%的AP。如果添加搜索選項(xiàng)來適應(yīng)模塊的尺度和種類(包括殘差模塊或者瓶頸模塊)還能夠減少10%的浮點(diǎn)運(yùn)算提升效率。下圖顯示了標(biāo)準(zhǔn)尺寸和mobile尺寸的SpingNet性能。
研究人員將得到的49層尺度輪換主干架構(gòu)命名為SpineNet-49,如果利用重復(fù)模塊疊加和維度拓展可以方便地構(gòu)建出SpineNet-96/143/190等架構(gòu)。
下圖展示了RestNet-50-FPN和SpineNet-49的對(duì)比情況。
ResNet 主干 (左) 和 基于NAS搜索得到的SpineNet 主干 (右) 的比較。
二、性能
通過與ResNet-FPN的比較展示了新架構(gòu)在性能上的大幅度提升。在使用相同模塊的情況下,SpineNet比ResNet-FPN提升了3%的AP,同時(shí)還減少了10-20%的浮點(diǎn)計(jì)算。值得一提的是最大的SpineNet-190模型在COCO實(shí)現(xiàn)了52.1%的AP,在沒有使用多尺度測(cè)試的情況下單模型結(jié)果超過了先前的檢測(cè)器架構(gòu)。SpineNet同時(shí)在分類任務(wù)基準(zhǔn)iNaturalist細(xì)粒度數(shù)據(jù)集上取得了5%的top-1精度提升。
SpineNet模型和ResNet-FPN模型在bbox檢測(cè)上的性能比較。

發(fā)表評(píng)論
請(qǐng)輸入評(píng)論內(nèi)容...
請(qǐng)輸入評(píng)論/評(píng)論長(zhǎng)度6~500個(gè)字
圖片新聞
最新活動(dòng)更多
-
10月23日火熱報(bào)名中>> 2025是德科技創(chuàng)新技術(shù)峰會(huì)
-
10月23日立即報(bào)名>> Works With 開發(fā)者大會(huì)深圳站
-
10月24日立即參評(píng)>> 【評(píng)選】維科杯·OFweek 2025(第十屆)物聯(lián)網(wǎng)行業(yè)年度評(píng)選
-
11月27日立即報(bào)名>> 【工程師系列】汽車電子技術(shù)在線大會(huì)
-
12月18日立即報(bào)名>> 【線下會(huì)議】OFweek 2025(第十屆)物聯(lián)網(wǎng)產(chǎn)業(yè)大會(huì)
-
精彩回顧立即查看>> 【限時(shí)福利】TE 2025國(guó)際物聯(lián)網(wǎng)展·深圳站
推薦專題