百科问答小站 logo
百科问答小站 font logo



如何评价 Face++ 旷视科技最新出品的检测专用 backbone 网络 DetNet ? 第1页

  

user avatar   skicy-yu 网友的相关建议: 
      

简单讲一下这篇文章的思路。

目前我们所有的检测算法大部分都是依赖于一个backbone网络,也就是传统大家说的ImageNet based model。但是ImageNet的base model往往是针对分类问题来train的,如果直接用来做detection/segmentation/skeleton等相关任务,其实是有比较明显的gap的。

最简单来讲,detection/segmentation等往往需要做pixel-level的定位,所以需要有尽可能大的feature map的spatial resolution。但是传统分类网络往往越卷越小,最后一个global average pool或者fc把所有spatial信息融合在一起,所以对空间信息的保存是非常不友好的。

传统大家做法是在ImageNet base model上面打补丁,比如加U-shape结构等。但是往往丢了的spatial很难被补回来。我们这篇工作希望是抛砖引玉,首先需要说明的是,我们在往这个方面努力,希望设计一个对detection/segmentation友好的网络,但是确实这个问题还是有许多需要改进的地方。

具体做法大家可以看paper细节。从结果上面来看,我们在只替换backbone网络的情况下,以更小的复杂度(少了近一倍)做到了更高的结果(超过一个多点)。无论是COCO的object detection还是instance segmentation上面,这个结果应该都是很impressive的。

最后,宣传一下我们最近的一些工作。

比如我们组去年做COCO skeleton第一的paper, 我们已经放出了完整的code

另外,我们之前的一个detection工作Light-head RCNN也放了code:




  

相关话题

  如果一个行业大佬向你说了一件幼稚的事情,你会觉得这话是另有玄机,还是大佬自己就没整明白呢? 
  CTC和Encoder-Decoder有什么关系? 
  12个人工智能机器人一直玩狼人杀,会出现什么情况? 
  什么是大模型?超大模型?Foundation Model? 
  人工智能相关的岗位薪酬状况如何? 
  基于人工智能参与者的《我的世界》游戏框架的演化与突破? 
  资本不依附于人的时候会发生什么? 
  如果用机器学习的理论来理解人的行为,会有什么发现? 
  如何学习 SQL 语言? 
  如何看待旷视 detection 组组长俞刚跳槽腾讯 PCG 光影研究室? 

前一个讨论
全世界目前最大威胁是什么?
下一个讨论
Mac 上使用 SSD 进行 Win To Go 的体验如何?





© 2024-11-09 - tinynew.org. All Rights Reserved.
© 2024-11-09 - tinynew.org. 保留所有权利