无需NMS、二分匹配的一阶段端到端目标检测网络,港大提出OneNet | 附源码
AI算法与图像处理
共 5369字,需浏览 11分钟
·
2020-12-18 11:39
重磅干货,第一时间送达
导读
由于各种复杂的layer的存在不容易部署,而one-stage在工业应用中有着更大的潜力,作者团队提出了OneNet,首次实现了end-to-end dense detector without NMS。本文详细解释了OneNet的相关架构及优势,并给出了相关实验的结果表格:OneNet在标准的COCO benchmark上达到了37.7 AP / 50 FPS,35.0 AP / 80 FPS。
1. 简介
-
整个网络是全卷积的,没有各种非常规的layer(比如GN,RoI-Align,Dynamic Conv)。 -
无需Non-Maximum Suppression(NMS)后处理或者self-attention模块。 -
样本匹配策略是简单的Minimum Cost,无需启发式规则或者复杂的最优二分匹配。
2. OneNet
# C is cost matrix, shape of (nr_sample, nr_gt)
C = cost_class + cost_l1 + cost_giou
# Minimum cost, src_ind is index of positive sample
_, src_ind = torch.min(C, dim=0)
tgt_ind = torch.arange(nr_gt)
3. 实验
4. 讨论
5. 彩蛋
下载1:何恺明顶会分享
在「AI算法与图像处理」公众号后台回复:何恺明,即可下载。总共有6份PDF,涉及 ResNet、Mask RCNN等经典工作的总结分析
下载2:leetcode 开源书
在「AI算法与图像处理」公众号后台回复:leetcode,即可下载。每题都 runtime beats 100% 的开源好书,你值得拥有!
下载3 CVPR2020
在「AI算法与图像处理」公众号后台回复:CVPR2020,即可下载1467篇CVPR 2020论文 个人微信(如果没有备注不拉群!) 请注明:地区+学校/企业+研究方向+昵称
觉得不错就点亮在看吧
评论