CBNet: A Novel Composite Backbone Network Architecture for Object Detection
Wangxuan Institute of Computer Technology, Peking University(北京大学王选计算机研究所);Stony Brook University(石溪大学)
在现有的基于CNN的检测器中,主干网络是基本特征提取的一个非常重要的组件,检测器的性能高度依赖于它。在本文中,我们的目标是通过构建更强大的主干来实现更好的检测性能ResNet和ResNeXt等现有主干。具体来说,我们提出了一种新的策略,通过相邻骨干之间的复合连接来组装多个相同的骨干,以形成一个更强大的骨干,称为复合骨干网络(CBNet)。通过这种方式,CBNet以逐阶段的方式迭代地将前一个主干的输出特征(即高级特征)作为输入特征的一部分馈送到后续主干,最后将最后一个主干(称为Lead Backbone)的特征图用于目标检测。我们表明,CBNet可以很容易地集成到大多数最先进的检测器中,并显着提高其性能。例如,它将COCO数据集上的FPN、Mask R-CNN和Cascade R-CNN的mAP提高了约1.5%至3.0%。同时,实验结果表明,实例分割的效果也得到了改善。特别地,通过简单地将所提出的CBNet集成到基线检测器Cascade Mask R-CNN中,我们在COCO数据集上实现了一个新的最先进的结果(mAP为53.3),具有单一模型,这证明了所提出的CBNet架构的巨大有效性。代码将在https://github.com/PKUbahuangliuhe/CBNet上提供。
2019-09-09 cs.CV
DetNAS: Backbone Search for Object Detection
Institute of Automation, Chinese Academy of Sciences(中国科学院自动化研究所);Megvii Technology(旷视科技)
目标检测器通常配备有为图像分类设计的骨干网络。由于图像分类和目标检测任务之间的差距,它可能是次优的。在这项工作中,我们提出DetNAS使用神经架构搜索(NAS)的设计更好的骨干目标检测。这是不平凡的,因为检测训练通常需要ImageNet预训练,而NAS系统需要目标检测任务的准确性作为监督信号。基于单次超网技术,它包含了搜索空间中所有可能的网络,我们提出了一个骨干搜索框架的目标检测。我们在典型的检测器训练计划下训练超网:ImageNet预训练和检测微调。然后以检测任务为指导,在训练好的超网上进行结构搜索。此框架使主干上的NAS非常高效。在实验中,我们展示了DetNAS在各种检测器上的有效性,例如,一阶段RetinaNet和两阶段FPN。我们根据经验发现,与ImageNet分类搜索相比,在目标检测上搜索的网络显示出一致的优越性。由此产生的架构实现了卓越的性能比手工制作的网络COCO与低得多的FLOP复杂性。
2019-12-30 cs.CV
3D Object Detection with a Self-supervised Lidar Scene Flow Backbone
Technical University of Munich(慕尼黑工业大学);Tongji University(同济大学)
最先进的基于激光雷达的3D目标检测方法依赖于监督学习和大型标记数据集。然而,注释激光雷达数据是消耗资源的,并且仅依赖于监督学习限制了训练模型的适用性。自我监督训练策略可以通过学习下游3D视觉任务的通用点云骨干模型来缓解这些问题。在此背景下,我们展示了自监督多帧流表示和单帧3D检测假设之间的关系。我们的主要贡献是利用学习的流和运动表示,并将自监督骨干与监督3D检测头相结合。首先,一个自我监督的场景流估计模型的训练与循环一致性。然后,该模型的点云编码器被用作单帧三维目标检测头部模型的骨干。该第二3D目标检测模型学习利用运动表示来区分呈现不同运动模式的动态对象。在KITTI和nuScenes基准测试上的实验表明,所提出的自监督预训练显著提高了3D检测性能。https://github.com/emecercelik/ssl-3d-detection.git
2022-07-19 cs.CV
Lightweight Transformer Backbone for Medical Object Detection
Duke University(杜克大学);Vanderbilt University(范德堡大学)
数字乳腺断层合成摄影(DBT)中的病变检测是一个重要且具有挑战性的问题,其特征在于包含肿瘤的图像的低流行率。由于标签稀缺问题,大型深度学习模型和计算密集型算法在应用于此任务时可能会失败。在本文中,我们提出了一个实用而轻量级的骨干,以提高肿瘤检测的准确性。具体来说,我们提出了一种新的修改视觉Transformer(ViT)的图像特征补丁连接的特征补丁的肿瘤与健康背景的乳房图像,并形成一个更强大的骨干肿瘤检测。据我们所知,我们的模型是Transformer骨干目标检测的医学成像的第一个工作。我们的实验表明,该模型可以显着提高病变检测的准确性,并减少典型ViT中所需的标记数据量。我们进一步表明,通过额外的增强肿瘤数据,我们的模型显着优于Faster R-CNN模型和最先进的SWIN Transformer模型。
2022-10-11 cs.CV
CBNet: A Composite Backbone Network Architecture for Object Detection
Wangxuan Institute of Computer Technology, Peking University(北京大学王选计算机研究所);Ant Group of Alibaba(阿里巴巴蚂蚁集团);Stony Brook University(石溪大学)
现代高性能的目标检测器严重依赖于骨干网络,骨干网络的进步通过探索更有效的网络结构带来了一致的性能增益。在本文中,我们提出了一种新颖而灵活的骨干框架,即CBNetV 2,在预训练微调范式下使用现有的开源预训练骨干来构建高性能检测器。特别是,CBNetV 2架构将多个相同的骨干网分组,这些骨干网通过复合连接进行连接。具体而言,它集成了多个骨干网络的高级和低级特征,并逐渐扩大了感受野,以更有效地执行目标检测。我们还提出了一个更好的训练策略与基于CBNet的检测器的辅助监督。无需对复合主干进行额外的预训练,CBNetV 2可以适应大多数主流检测器的各种主干(基于CNN与基于Transformer)和头部设计(单级与两级,基于锚与无锚)。实验提供了强有力的证据,与简单地增加网络的深度和宽度相比,CBNetV 2引入了一种更高效,有效和资源友好的方式来构建高性能的骨干网络。特别地,我们的Dual-Swin-L在单模型和单尺度测试协议下在COCO test-dev上实现了59.4%的box AP和51.6%的mask AP,这显著优于Swin-L实现的最先进的结果(57.7%的box AP和50.2%的mask AP),而训练时间表减少了6个$\times$。通过多尺度测试,我们在不使用额外训练数据的情况下,将当前最好的单个模型结果推到60.1%的箱AP和52.3%的掩模AP的新记录。代码可在h…
2022-10-18 cs.CV
An Energy and GPU-Computation Efficient Backbone Network for Real-Time Object Detection
ETRI(韩国电子通信研究院);SK C&C
由于DenseNet通过密集连接聚合具有不同感受野的中间特征,因此它在目标检测任务上表现出良好的性能。虽然特征重用使DenseNet能够用少量的模型参数和FLOP产生强大的特征,但DenseNet主干的检测器显示出相当慢的速度和低的能量效率。我们发现,线性增加的输入通道的密集连接导致沉重的内存访问成本,这将导致计算开销和更多的能量消耗。为了解决DenseNet的低效率,我们提出了一种称为VoVNet的能量和计算效率架构,该架构由单次聚合(OSA)组成。OSA不仅采用了DenseNet的多感受野表示多样化特征的优点,而且通过在最后一个特征图中仅聚合所有特征一次来克服密集连接的效率低下。为了验证VoVNet作为骨干网络的有效性,我们设计了轻量级和大型VoVNet,并将其应用于一级和两级对象检测器。我们基于VoVNet的检测器性能优于基于DenseNet的检测器,速度快2倍,能耗降低1.6 - 4.1倍。除了DenseNet之外,VoVNet还优于广泛使用的ResNet骨干网,具有更快的速度和更好的能源效率。特别是,小目标检测性能比DenseNet和ResNet有了显著提高。
2019-04-22 cs.CV
MAE-DET: Revisiting Maximum Entropy Principle in Zero-Shot NAS for Efficient Object Detection
Alibaba Group(阿里巴巴集团)
在目标检测中,检测主干消耗了总推理成本的一半以上。最近的研究试图通过神经架构搜索(NAS)的帮助下优化骨干架构,以减少这种成本。然而,现有的用于目标检测的NAS方法需要数百到数千个GPU小时的搜索,这使得它们在快节奏的研究和开发中不切实际。在这项工作中,我们提出了一种新的zero-shot NAS方法来解决这个问题。该方法名为MAE-DET,通过最大熵原理自动设计高效的检测骨干,无需训练网络参数,将架构设计成本降低到几乎为零,同时提供最先进的(SOTA)性能。在引擎盖下,MAE-DET最大化检测骨干的差分熵,从而在相同的计算预算下为目标检测提供更好的特征提取器。经过一天的GPU全自动设计,MAE-DET在多个检测基准数据集上创新了SOTA检测骨干,几乎没有人为干预。与ResNet-50主干相比,在使用相同数量的FLOP/参数时,MAE-DET在mAP中的$+2.0\%$更好,在相同mAP的NVIDIA V100上的$1.54$更快。代码和预训练模型可在https://github.com/alibaba/lightweight-neuralarchitecture-search上获得。
2022-06-15 cs.CV
Neural Architecture Adaptation for Object Detection by Searching Channel Dimensions and Mapping Pre-trained Parameters
Korea University(高丽大学);NCSOFT(NCSoft公司)
大多数目标检测框架使用最初为图像分类设计的骨干架构,通常使用ImageNet上的预训练参数。然而,图像分类和目标检测是本质上不同的任务,并且不能保证用于分类的最优主干对于目标检测也是最优的。最近的神经架构搜索(NAS)研究表明,自动设计一个专门用于目标检测的骨干有助于提高整体准确性。在本文中,我们介绍了一种神经架构自适应方法,该方法可以优化给定的骨干用于检测目的,同时仍然允许使用预先训练的参数。我们建议通过搜索特定的操作和层数,以及每个块的输出通道尺寸来适应微观和宏观架构。找到最佳通道深度是很重要的,因为它极大地影响特征表示能力和计算成本。我们进行实验,我们的搜索骨干目标检测,并证明我们的骨干优于手动设计和搜索的COCO数据集上的最先进的骨干。
2022-06-17 cs.AI cs.CV
A Versatile Multi-View Framework for LiDAR-based 3D Object Detection with Guidance from Panoptic Segmentation
Huawei Noah’s Ark Lab(华为诺亚方舟实验室)
使用LiDAR数据的3D目标检测是自动驾驶系统不可或缺的组成部分。然而,只有少数基于LiDAR的3D目标检测方法利用分割信息来进一步指导检测过程。在本文中,我们提出了一种新的多任务框架,共同执行三维目标检测和全景分割。在我们的方法中,3D目标检测骨干在鸟瞰图(BEV)平面增加的距离视图(RV)的特征图从3D全景分割骨干的注入。这使得检测骨干能够利用多视图信息来解决每个投影视图的缺点。此外,前景语义信息被纳入,以减轻检测任务,突出显示的位置,每个对象类的特征图。最后,基于实例级信息生成的新中心密度热图通过建议对象的可能框中心位置来进一步指导检测骨干。我们的方法适用于任何基于BEV的3D目标检测方法,并且如在nuScenes数据集上的大量实验所示,它提供了显着的性能增益。值得注意的是,基于单级CenterPoint 3D目标检测网络的所提出的方法在nuScenes 3D检测基准测试中达到了最先进的性能,具有67.3 NDS。
2022-03-04 cs.CV
Transformer-based Multi-Instance Learning for Weakly Supervised Object Detection
Southeast University(东南大学);The University of Newcastle(纽卡斯尔大学)
弱监督目标检测(WSOD)允许仅使用图像级注释来训练目标检测模型。最先进的WSOD检测器通常依赖于多实例学习(MIL)作为其检测器的骨干,并假设图像的限界框建议是相互独立的。然而,由于这种方法只利用最高分的建议,并放弃了潜在的有用信息,从其他建议,其独立的MIL骨干往往限制模型的突出部分的对象,或导致他们只能检测一个对象的类。为了解决上述问题,我们提出了一种新的骨干WSOD的基础上,我们定制的视觉Transformer命名为弱监督Transformer检测网络(WSTDN)。我们的算法不仅是第一个证明,自我注意模块,考虑实例间的关系是有效的骨干WSOD,但我们也引入了一种新的限界框挖掘方法(BBM)集成的内存传输细化(MTR)过程,利用实例的依赖关系,促进实例细化。在PASCAL VOC2007和VOC2012基准测试上的实验结果证明了我们提出的WSTDN和改进的实例精化模块的有效性。
2023-03-27 cs.CV
PillarDETR: YOLO-Backbone and RT-DETR Head for Real-Time 3D Object Detection
University of California, Berkeley(加州大学伯克利分校)
提出PillarDETR架构,结合YOLOv8的CSP骨干和RT-DETR解码器,实现无需NMS的端到端实时3D目标检测,在KITTI和nuScenes上取得精度与速度的良好平衡。
2026-06-01 cs.CV
Multi-Objective Evolutionary for Object Detection Mobile Architectures Search
Donghua University(东华大学);ByteDance(字节跳动)
最近,神经架构搜索在移动设备的分类任务上取得了巨大的成功。用于目标检测的骨干网络通常在图像分类任务上获得。然而,由于图像任务和目标检测任务之间的差距,通过分类任务搜索的架构是次优的。虽然工作集中在骨干网络架构搜索移动终端目标检测是有限的,主要是因为骨干总是需要昂贵的ImageNet预训练。因此,有必要研究一种不需要昂贵的预训练的移动终端目标检测网络架构搜索方法。针对NAS场景,提出了一种基于非支配排序的移动目标检测骨干网架构搜索算法。它可以快速搜索得到在一定约束条件下的骨干网架构。它较好地解决了次优线性组合精度和计算量的问题。所提出的方法可以通过权重映射技术搜索具有不同深度、宽度或扩展大小的骨干网络,使得可以更有效地使用NAS来执行移动设备检测任务。在我们的实验中,我们验证了所提出的方法的有效性YoloX-Lite,一个轻量级版本的目标检测框架。在相似的计算复杂性下,我们搜索的骨干网架构的准确率比MobileDet高2.0%mAP。我们改进的骨干网络可以减少计算工作量,同时提高目标检测网络的准确性。为了证明其有效性,进行了一系列的烧蚀研究,并详细分析了其工作机理。
2022-11-05 cs.CV cs.LG
GiraffeDet: A Heavy-Neck Paradigm for Object Detection
DAMO Academy, Alibaba Group(阿里巴巴集团达摩院)
在传统的目标检测框架中,从图像识别模型继承的骨干主体提取深层潜在特征,然后颈部模块融合这些潜在特征以捕获不同尺度的信息。由于目标检测中的分辨率比图像识别中的分辨率大得多,因此主干的计算成本通常主导总推理成本。这种重型骨干设计范例主要是由于将图像识别模型转移到目标检测时的历史遗留问题,而不是用于目标检测的端到端优化设计。在这项工作中,我们表明,这种模式确实导致次优的目标检测模型。为此,我们提出了一种新的重颈范例,GiraffeDet,一个长颈鹿般的网络,有效的目标检测。GiraffeDet使用一个非常轻量级的骨干和一个非常深和大的颈部模块,鼓励密集的信息交换之间的不同空间尺度以及不同层次的潜在语义同时。这种设计范式允许检测器在网络的早期阶段以相同的优先级处理高层语义信息和低层空间信息,使其在检测任务中更有效。多个流行的目标检测基准的数值评估表明,GiraffeDet始终优于以前的SOTA模型在广泛的资源限制。源代码可在https://github.com/jyqi/GiraffeDet上获得。
2022-06-22 cs.CV
PillarNeSt: Embracing Backbone Scaling and Pretraining for Pillar-based 3D Object Detection
本文提出 PillarNeSt,将 ImageNet 预训练的二维密集 ConvNet 按点云稀疏性自适应扩展为柱体检测器主干,在 nuScenes 和 Argoversev2 上显著超越现有三维目标检测器。
2023-11-29 cs.CV cs.RO
Bifurcated backbone strategy for RGB-D salient object detection
College of Computer Science, Nankai University(南开大学计算机学院);Mohamed bin Zayed University of Artificial Intelligence(穆罕默德·本·扎耶德人工智能大学);Inception Institute of Artificial Intelligence(Inception人工智能研究院);School of Automation, Northwestern Polytechnical University(西北工业大学自动化学院);National Laboratory of Pattern Recognition, CAS Center for Excellence in Brain Science and Intelligence Technology, Institute of Automation, Chinese Academy of Sciences(中国科学院自动化研究所模式识别国家重点实验室,中国科学院脑科学与智能技术卓越创新中心)
本文提出分叉骨干策略网络BBS-Net,通过教师-学生特征重组和深度增强模块实现RGB-D互补融合,在多个数据集上显著超越现有SOTA模型。
2021-08-18 cs.CV
SFPN: Synthetic FPN for Object Detection
National Central University(中央大学);National Yang Ming Chiao Tung University(阳明交通大学)
FPN(特征金字塔网络)已经成为大多数SoTA单级目标检测器的基本组件。许多研究已经反复证明,FPN可以捕获更好的多尺度特征图,以更精确地描述具有不同尺寸的对象。然而,对于大多数主干,如VGG、ResNet或DenseNet,由于池化操作或步幅为2的卷积,每层的特征图都被缩小到四分之一。缩小2的差距很大,使其FPN不能平滑地融合特征。本文提出了一种新的合成融合金字塔网络(SFPN)结构,该结构在原有的FPN层之间创建各种合成层,以提高轻量级CNN后台的准确性,从而更准确地提取目标的视觉特征。最后,实验证明,基于AP得分的SVPN架构优于大型骨干网VGG16,ResNet50或轻量级骨干网如MobilenetV2。
2022-03-04 cs.CV
FROD: Robust Object Detection for Free
Sony AI(索尼人工智能研究所);Kyung-Hee University(庆熙大学)
本文提出FROD方法,通过修改对抗性训练的分类主干网络并引入模仿损失与延迟对抗性训练,在不增加计算开销的情况下显著提升了目标检测器的对抗鲁棒性。
2023-08-03 cs.CV
VITA: Video Instance Segmentation via Object Token Association
Yonsei University(延世大学);Adobe Research(Adobe研究院)
我们介绍了一种新的范例离线视频实例分割(VIS),基于明确的面向对象的信息可以是一个强有力的线索,用于理解整个序列的上下文的假设。为此,我们提出了VITA,一个简单的结构,建立在一个现成的基于transformer的图像实例分割模型的顶部。具体来说,我们使用图像对象检测器作为将对象特定的上下文提取为对象令牌的手段。VITA通过关联帧级对象标记而不使用时空骨干特征来实现视频级理解。通过使用压缩信息有效地构建对象之间的关系,VITA在VIS基准测试中实现了最先进的ResNet-50主干:49.8 AP,YouTube-VIS 2019和2021上的45.7 AP,以及OVIS上的19.6 AP。此外,由于其基于对象标记的结构与主干功能不相交,VITA显示了先前离线VIS方法没有探索的几个实际优势-使用通用GPU处理长时间和高分辨率视频,并冻结在图像域上训练的帧级检测器。代码可在https://github.com/sukjunhwang/VITA上获得。
2022-10-20 cs.CV
ThunderNet: Towards Real-time Generic Object Detection
National University of Defense Technology(国防科技大学);Megvii Inc. (Face++)(旷视科技(Face++))
移动平台上的实时的【形】通用目标检测是计算机视觉的一项重要而又具有挑战性的任务。然而,以前的基于CNN的检测器遭受巨大的计算成本,这阻碍了它们在计算受限的场景中的实时的【形】推理。本文研究了两阶段检测器在实时的【形】类属检测中的有效性,提出了一种轻量级的两阶段检测器ThunderNet。在骨干网部分,我们分析了现有轻量级骨干网的不足,提出了一种面向目标检测的轻量级骨干网。在检测部分,我们采用了非常有效的RPN和检测头设计。为了生成更有区别的特征表示,我们设计了两个有效的架构模块,上下文增强模块和空间注意模块。最后,我们研究了输入分辨率,骨干,和检测头之间的平衡。与轻量级的一级检测器相比,ThunderNet在PASCAL VOC和COCO基准测试中仅以40%的计算成本实现了卓越的性能。没有铃声和口哨声,我们的模型在基于ARM的设备上以24.1 fps运行。据我们所知,这是第一个在ARM平台上报告实时的【形】检测器。我们的代码和型号可在\url{https://github.com/qinzheng93/ThunderNet}上找到。
2022-03-28 cs.CV
AOP-Net: All-in-One Perception Network for Joint LiDAR-based 3D Object Detection and Panoptic Segmentation
Huawei Noah’s Ark Lab(华为诺亚方舟实验室)
基于LiDAR的三维目标检测和全景分割是自主车辆和机器人感知系统中的两个关键任务。在本文中,我们提出了一体化感知网络(AOP-Net),这是一个基于激光雷达的多任务框架,结合了3D目标检测和全景分割。在这种方法中,开发了一个双任务3D骨干,从输入的LiDAR点云中提取全景和检测级特征。此外,还设计了一个将多层感知器(MLP)和卷积层交织在一起的新2D主干,以进一步提高检测任务性能。最后,提出了一种新的模块,通过恢复在3D骨干中的下采样操作期间丢弃的有用特征来引导检测头。该模块利用估计的实例分割掩模从每个候选对象恢复详细信息。AOP-Net在nuScenes基准测试中针对3D目标检测和全景分割任务实现了已发布作品的最先进性能。此外,实验表明,我们的方法很容易适应,并显着提高性能的任何基于BEV的三维目标检测方法。
2023-02-02 cs.CV
PointPillars Backbone Type Selection For Fast and Accurate LiDAR Object Detection
AGH University of Science and Technology(AGH科技大学)
从LiDAR传感器数据中进行3D目标检测是自动驾驶汽车和无人机背景下的重要课题。在本文中,我们提出的实验结果的影响的骨干选择的深度卷积神经网络的检测精度和计算速度。我们选择了PointPillars网络,其特点是架构简单、速度快、模块化,便于扩展。在实验过程中,我们特别关注检测效率的变化(通过mAP度量测量)和处理一个点云所需的乘加运算总数。我们测试了10种不同的卷积神经网络架构,这些架构广泛用于基于图像的检测问题。对于像MobilenetV 1这样的骨干网,我们以mAP减少1.13%为代价获得了近4倍的加速。另一方面,对于CSPDarknet,我们在mAP增加0.33%的情况下获得了超过1.5倍的加速。因此,我们已经证明,有可能在检测效率略有下降的情况下,显著加快LiDAR点云中的3D物体检测器。当PointPillars或类似算法在嵌入式系统(包括SoC FPGA)中实现时,可以使用该结果。该代码可在https://github.com/vision-agh/pointpillars\_backbone上获得。
2022-09-30 cs.CV eess.IV
Semantic-Guided Natural Language and Visual Fusion for Cross-Modal Interaction Based on Tiny Object Detection
Department of Electrical Engineering, National Formosa University, Taiwan(台湾国立Formosa大学电子工程系);Department of Electrical Engineering, National Taipei University, Taiwan(台湾国立台北大学电子工程系);College of Artificial Intelligence and Green Energy, National Yang Ming Chiao Tung University, Taiwan(台湾国立阳明交通大学人工智能与再生能源学院)
本文提出将BERT语言模型与PRB-FPN-Net视觉骨干(含ELAN、MSP、CSP)融合的跨模态微小目标检测方法,在COCO2017上达到52.6% AP,以YOLO-World一半参数实现更优性能。
2025-11-07 cs.CV
CountingDINO: A Training-free Pipeline for Class-Agnostic Counting using Unsupervised Backbones
ISTI-CNR(意大利国家研究委员会ISTI研究所);University of Pisa(比萨大学)
针对类无关计数(CAC)依赖标记数据训练的问题,提出CountingDINO无训练框架,用无监督骨干提取特征并生成密度图,在FSC-147基准上优于同设置基线,且性能媲美或超过多种监督/无监督方法,验证其有效性与可扩展性。
2025-11-11 cs.CV
DEYOv3: DETR with YOLO for Real-time Object Detection
Southwest Minzu University(西南民族大学)
本文提出逐步训练方法,利用YOLO预训练初始化端到端检测器,无需ImageNet即可灵活设计骨干网络并降低训练成本,据此构建的DEYOv3在速度和精度上超越现有实时目标检测器。
2023-09-22 cs.CV
CollabOD: Collaborative Multi-Backbone with Cross-scale Vision for UAV Small Object Detection
针对无人机图像中高海拔视角导致的尺度变化、弱结构特征和计算限制问题,提出CollabOD框架,通过跨路径特征对齐和轻量级检测头提升小目标检测性能。
2026-06-28 cs.CV
Investigating the Challenges of Class Imbalance and Scale Variation in Object Detection in Aerial Images
MBZUAI(穆罕默德·本·扎耶德人工智能大学)
虽然目标检测是计算机视觉中的常见问题,但在处理航空卫星图像时更具挑战性。物体尺度和方向的多样性可能使它们难以识别。此外,可能有大量密集的小物体,如汽车。在这个项目中,我们对Faster-RCNN架构提出了一些修改。首先,我们使用不同的主干进行实验,以提取更好的特征。我们还修改了数据增强,并为区域建议生成锚点大小,以便更好地处理小对象。最后,我们研究了不同的损失函数的影响。我们提出的设计比使用带有ResNet-101 FPN主干的香草Faster R-CNN的基线提高了4.7 mAP。
2022-02-05 cs.CV
What-Where Transformer: A Slot-Centric Visual Backbone for Concurrent Representation and Localization
Institute of Science Tokyo(东京科学研究所);DENSO IT Laboratory(DENSO IT实验室);National Institute of Informatics(国家信息研究所)
本文提出What-Where Transformer,通过分解物体外观和空间位置,提升视觉模型的定位能力,在ImageNet上实现多物体发现,并在零样本物体发现和弱监督语义分割中表现优异。
2026-05-12 cs.CV
On the Importance of Backbone to the Adversarial Robustness of Object Detectors
Tsinghua University(清华大学);Chinese Institute for Brain Research(中国脑科学研究所);THU-Bosch JCML Center(清华-博世联合计算与机器学习中心)
针对现有目标检测器对抗鲁棒性提升工作存在安全错觉的问题,提出基于对抗预训练骨干的快速对抗微调方案,证实骨干网络对检测器鲁棒性的关键作用,为设计SOTA鲁棒检测器提供启发并树立新里程碑。
2025-02-13 cs.AI cs.CR cs.CV
Proper Reuse of Image Classification Features Improves Object Detection
Google Research(谷歌研究院)
迁移学习中的常见做法是通过对数据丰富的上游任务进行预训练来初始化下游模型权重。具体而言,在目标检测中,特征主干通常用Imagenet分类器权重初始化,并在目标检测任务上进行微调。最近的研究表明,在较长的训练制度下,这并不是严格必要的,并提供了从头开始训练骨干的方法。我们研究了这种端到端训练趋势的相反方向:我们表明,一种极端形式的知识保存-冻结分类器初始化的主干-始终如一地改进了许多不同的检测模型,并节省了大量资源。我们假设和实验证实,剩余的检测器组件的能力和结构是一个关键因素,在利用冻结的骨干。我们的研究结果的直接应用包括在硬情况下的性能改进,如长尾对象类的检测以及计算和内存资源的节省,这有助于使该领域更容易被研究人员访问,从而获得更少的计算资源。
2022-06-27 cs.CV cs.LG
DetectoRS: Detecting Objects with Recursive Feature Pyramid and Switchable Atrous Convolution
Johns Hopkins University(约翰斯·霍普金斯大学);Google Research(谷歌研究院)
许多现代目标检测器通过使用两次观察和思考的机制表现出出色的性能。在本文中,我们探讨这种机制的骨干设计目标检测。在宏观层面上,我们提出了递归特征金字塔,它将来自特征金字塔网络的额外反馈连接纳入自下而上的骨干层。在微观层次上,我们提出了可切换的Atrous卷积,它以不同的Atrous速率卷积特征,并使用开关函数收集结果。将它们结合在一起,得到DetectoRS,它显著提高了目标检测的性能。在COCO test-dev上,DetectoRS实现了最先进的55.7%框AP用于目标检测,48.5%掩模AP用于实例分割,50.0% PQ用于全景分割。该代码是公开的。
2020-11-30 cs.CV
You Should Look at All Objects
The University of Hong Kong(香港大学);Bytedance(字节跳动);University of Rochester(罗切斯特大学)
特征金字塔网络(FPN)是目标检测器的关键组成部分之一。然而,有一个长期困扰研究人员的难题,即引入FPN后,大规模目标的检测性能通常受到抑制。为此,本文首先在检测框架中重新审视了FPN,并从优化的角度揭示了FPN成功的本质。然后,我们指出,大规模目标的性能下降是由于不适当的反向传播路径后,集成FPN的出现。它使得每一级骨干网只具有查看一定尺度范围内对象的能力。基于这些分析,提出了两种可行的策略,使每一级的骨干网,看看所有的对象在基于FPN的检测框架。具体而言,一种是引入辅助目标函数,使每个骨干层在训练时直接接收不同尺度对象的反向传播信号。另一个是以更合理的方式构建特征金字塔,以避免不合理的反向传播路径。COCO基准上的大量实验验证了我们的分析和我们的方法的有效性。在没有花里胡哨的情况下,我们证明了我们的方法在各种检测框架上实现了坚实的改进(超过2%):一阶段,两阶段,基于锚,无锚和基于变换器的检测器。
2022-07-16 cs.CV
Res2Net: A New Multi-scale Backbone Architecture
Nankai University(南开大学);UC Merced(加州大学默塞德分校);Oxford University(牛津大学)
在多个尺度上表示特征对于许多视觉任务非常重要。骨干卷积神经网络(CNN)的最新进展不断展示出更强的多尺度表示能力,从而在广泛的应用中实现一致的性能增益。然而,大多数现有的方法表示的多尺度功能在一个逐层的方式。在本文中,我们提出了一种新的CNN构建块,即Res 2Net,通过在一个单个残差块内构建分层残差连接。Res 2Net在粒度级别上表示多尺度特征,并增加了每个网络层的感受野范围。所提出的Res 2Net块可以插入到最先进的骨干CNN模型中,例如,ResNet、ResNeXt和DLA。我们在所有这些模型上评估了Res 2Net块,并在广泛使用的数据集上展示了与基线模型一致的性能增益,例如,CIFAR-100和ImageNet。对代表性计算机视觉任务的进一步消融研究和实验结果,即,目标检测、类激活映射和显著目标检测进一步验证了Res 2Net相对于最先进的基线方法的优越性。源代码和训练模型可在https://mmcheng.net/res2net/上获得。
2021-01-27 cs.CV
Efficient Multi-View 3D Object Detection by Dynamic Token Selection and Fine-Tuning
Group Innovation, Volkswagen AG(大众集团创新集团);Institute for Communications Technology, Technische Universität Braunschweig(通讯技术研究所, Braunschweig技术大学)
本文提出一种结合图像令牌补偿器的令牌选择方法,用于加速多视图3D目标检测,通过动态层间令牌选择和参数高效微调策略,降低计算复杂度和推理延迟,同时提升检测精度。
2026-04-15 cs.CV
Trident Pyramid Networks: The importance of processing at the feature pyramid level for better object detection
KU Leuven(鲁汶大学)
特征金字塔在诸如目标检测之类的多尺度计算机视觉任务中已经变得无处不在。鉴于其重要性,计算机视觉网络可以分为三个部分:主干(生成特征金字塔),颈部(细化特征金字塔)和头部(生成最终输出)。许多现有的网络在特征金字塔上运行,称为颈部,是浅的,主要集中在自上而下和自下而上操作形式的基于通信的处理。我们提出了一种新的颈部架构,称为三叉戟金字塔网络(TPN),它允许更深层次的设计和基于通信的处理和自我处理之间的更好的平衡。当在COCO目标检测基准测试中使用我们的TPN颈部时,我们显示出一致的改进,在使用ResNet-50和ResNeXt-101-DCN主干时,性能均优于流行的BiFPN基线0.5 AP。此外,我们的经验表明,将额外的计算放入TPN颈部,而不是骨干,通过使用我们的ResNet-50+TPN网络的ResNet-101+FPN基线超过1.7 AP,同时在类似的计算预算下运行,这是更有益的。这强调了在现代目标检测系统中在特征金字塔级别执行计算的重要性。代码可在https://github.com/CedricPicron/TPN上获得。
2022-10-28 cs.CV
Underwater Object Detection Enhancement via Channel Stabilization
Mohamed bin Zayed University of AI(穆罕默德·本·扎耶德人工智能大学)
本文提出通道稳定化与图像增强技术改善水下图像质量,并在TrashCan数据集上验证Detectron2检测性能,小目标平均精度提升9.53%。
2024-08-02 cs.CV
BMCR: Adaptive Backbone Module Composition via Reinforcement Learning for Remote Sensing Object Detection
College of Electronic Science and Technology, National University of Defense Technology(电子科学与技术学院,国防科技大学)
提出BMCR方法,通过强化学习动态组合CNN和ViT的模块化主干,解决遥感目标检测中不同复杂度输入的自适应特征提取问题,在多个数据集上取得领先性能。
2026-06-04 cs.CV cs.MM
Simple Training Strategies and Model Scaling for Object Detection
Google(谷歌);Waymo
目标检测系统的速度-精度Pareto曲线通过更好的模型架构、训练和推理方法的组合而得到改进。在本文中,我们系统地评估了各种这些技术,以了解现代检测系统的大部分改进来自哪里。我们使用RetinaNet和RCNN检测器在vanilla ResNet-FPN主干上对这些改进进行了基准测试。vanilla检测器的准确率提高了7.7%,速度提高了30%。我们还提供了简单的缩放策略来生成形成两条Pareto曲线的模型族,称为RetinaNet-RS和Cascade RCNN-RS。这些简单的重新缩放检测器探索了一阶段RetinaNet检测器和两阶段RCNN检测器之间的速度-精度权衡。我们最大的Cascade RCNN-RS模型使用ResNet 152-FPN主干实现52.9%的AP,使用SpineNet 143 L主干实现53.6%的AP。最后,我们展示了ResNet架构,三个较小的架构变化,优于EfficientNet作为目标检测和实例分割系统的骨干。
2021-06-30 cs.AI cs.CV
MV-FCOS3D++: Multi-View Camera-Only 4D Object Detection with Pretrained Monocular Backbones
The Chinese University of Hong Kong, Shenzhen(香港中文大学(深圳));Nanyang Technological University(南洋理工大学);The Chinese University of Hong Kong(香港中文大学);Hong Kong University of Science and Technology(香港科技大学)
在这份技术报告中,我们介绍了我们的解决方案,称为MV-FCOS 3D ++,用于Waymo开放数据集挑战赛2022中的仅摄像头3D检测轨道。对于多视图仅相机3D检测,基于鸟瞰视图或3D几何表示的方法可以利用来自相邻视图之间的重叠区域的立体提示,并且直接执行3D检测而无需手工制作的后处理。然而,它缺乏对2D主干的直接语义监督,这可以通过预训练简单的基于单眼的检测器来补充。我们的解决方案是一个多视图框架,4D检测遵循这种模式。它基于一个简单的单目检测器FCOS 3D ++,仅使用Waymo的对象注释进行预训练,并将多视图特征转换为3D网格空间以检测其上的3D对象。设计了一种用于单帧理解和时间立体匹配的双路径颈部,以结合多帧信息。我们的方法最终使用单个模型实现了49.75%的mAPL,并在WOD挑战中获得第二名,在训练期间没有任何基于LiDAR的深度监督。该代码将在https://github.com/Tai-Wang/Depth-from-Motion上发布。
2022-07-26 cs.CV cs.RO
Investigating Long-term Training for Remote Sensing Object Detection
本文研究遥感检测长期训练中骨干微调的两难问题,提出 Dynamic Backbone Freezing(DBF),通过 Freezing Scheduler 动态冻结骨干更新,在 DOTA 和 DIOR-R 上提升精度并降低计算成本。
2025-09-30 cs.AI cs.CV
S$^3$AM: A Single-Stream SAM with Reliability-Calibrated Frequency Adapter for Multi-modal Salient Object Detection
China Pharmaceutical University(中国药科大学);Nanjing University(南京大学);Yunnan University(云南大学);Southeast University(东南大学);Purple Mountain Laboratories(紫金山实验室)
该研究针对多模态显著目标检测的冗余计算问题,提出融合可靠性校准频率适配器的单流SAM框架,仅用12.20M参数即实现竞争力性能,相关代码将公开。
2026-08-19 cs.CV
QAHOI: Query-Based Anchors for Human-Object Interaction Detection
The University of Electro-Communications(电气通信大学)
作为目标检测任务下游的人-物交互(HOI)检测需要定位人和物体对并从图像中提取人和物体之间的语义关系。近年来,一步法因其高效性而成为一种新的发展趋势。然而,这些方法专注于检测可能的交互点或过滤人-对象对,忽略了不同对象在空间尺度上的位置和大小的变化。为了解决这个问题,我们提出了一种基于转换器的方法QAHOI(用于人与物体交互检测的基于查询的锚点),该方法利用多尺度架构从不同的空间尺度提取特征,并使用基于查询的锚点来预测所有元素HOI实例。我们进一步研究,一个强大的骨干显着提高QAHOI的准确性,和QAHOI与基于变压器的骨干表现优于最近的国家的最先进的方法,由大利润率的HICO-DET基准。源代码可从$\href{https://github.com/cjw2021/QAHOI}{\text{this https URL}}$获得。
2021-12-16 cs.CV
RefineDetLite: A Lightweight One-stage Object Detection Framework for CPU-only Devices
Tencent TEG AI(腾讯技术工程事业群人工智能);The Hong Kong University of Science and Technology(香港科技大学)
据报道,以前最先进的实时对象检测器都是在GPU上实现的,这些GPU对于处理大量数据和资源受限的场景来说非常昂贵。因此,在工业上迫切需要仅CPU设备上的高效对象检测器。网络的浮点运算(FLOPs)与CPU设备的运行速度并不严格成正比,这启发了设计一个完全“快速”和“准确”的目标检测器。在研究分类网络和检测骨干之间的关注差距,并遵循高效网络的设计原则后,我们提出了一个轻量级的残差类骨干,具有大的感受野和低级别特征的宽维度,这对检测任务至关重要。相应地,我们还设计了一个光头检测部分,以配合骨干能力。此外,通过分析当前单阶段检测器训练策略的不足,提出了三种正交训练策略-IOU引导的损失法、类感知加权法和均衡多任务训练法。没有花里胡哨的,我们提出的RefinedetLite在MSCOCO基准上以130 ms/pic的速度在单线程CPU上实现了26.8 mAP。通过整合所有提出的训练策略,检测精度可以进一步提高到29.6 mAP,而没有明显的速度下降。
2020-03-23 cs.CV
Self-Supervised YOLO: Leveraging Contrastive Learning for Label-Efficient Object Detection
本研究利用SimCLR对比学习对YOLOv5和YOLOv8主干进行自监督预训练,在低标注数据下提升目标检测性能,实验表明预训练模型mAP更高且收敛更快。
2025-08-04 cs.CV
Adaptive Rotated Convolution for Rotated Object Detection
Tsinghua University(清华大学);SenseTime Research(商汤科技研究院);Mashang Consumer Finance Co., Ltd.(马上消费金融股份有限公司);Beijing Academy of Artificial Intelligence(北京智源人工智能研究院)
本文提出自适应旋转卷积(ARC)模块,通过卷积核自适应旋转和条件计算机制处理任意方向目标,作为即插即用模块显著提升多个旋转目标检测器性能,并在DOTA上取得领先结果。
2023-09-21 cs.CV
Efficient Decoder-free Object Detection with Transformers
Tencent Youtu Lab(腾讯优图实验室);Zhejiang University(浙江大学)
视觉Transformer(ViTs)正在改变目标检测方法的前景。ViT在检测中的一个自然用途是用基于transformer的主干取代基于CNN的主干,这是简单有效的,但代价是为推理带来相当大的计算负担。更微妙的用法是DETR系列,它消除了目标检测中许多手工设计组件的需要,但引入了一个需要额外长时间收敛的解码器。因此,基于变换器的目标检测不能在大规模应用中流行。为了克服这些问题,我们提出了一种新的无解码器的完全基于变换器(DFFT)的对象检测器,首次在训练和推理阶段实现了高效率。我们通过围绕两个入口点将目标检测简化为仅编码器的单级基于锚的密集预测问题:1)消除训练效率低下的解码器,并利用两个强大的编码器来保持单级特征映射预测的准确性; 2)在有限的计算资源下探索检测任务的低级语义特征。特别是,我们设计了一种新的轻量级的面向检测的Transformer骨干,有效地捕捉低层次的功能与丰富的语义的基础上,一个构思良好的消融研究。在MS COCO基准上的大量实验表明,DFFT_SMALL比DETR高2.5% AP,计算成本降低28%,训练次数比$10$少x。DFFT_SMALL与基于锚点的检测器RetinaNet相比,获得了超过5.5%的AP增益,同时降低了70%的计算成本。
2022-06-17 cs.CV
Towards Precise End-to-end Weakly Supervised Object Detection Network
National University of Defense Technology(国防科技大学)
弱监督目标检测网络由于没有实例级的类别标注,很难精确预测目标的位置。大多数现有方法倾向于通过使用两阶段学习过程来解决这个问题,即,多实例学习检测器之后是具有边界盒回归的完全监督学习检测器。根据我们的观察,这个过程可能会导致局部最小值的某些对象类别。在本文中,我们建议以端到端的方式联合训练这两个阶段来解决这个问题。具体来说,我们设计了一个具有多实例学习和边界盒回归分支的单一网络,这些分支共享相同的主干。同时,在主干中加入了使用分类损失的引导注意模块,以有效地提取特征中隐含的位置信息。在公共数据集上的实验结果表明,我们的方法达到了最先进的性能。
2019-11-27 cs.CV
Performance Optimization of YOLO-FEDER FusionNet for Robust Drone Detection in Visually Complex Environments
Institute for the Protection of Terrestrial Infrastructures, German Aerospace Center(地面基础设施保护研究所,德国航天中心);ACIDA Lab, University of Applied Sciences Darmstadt(达姆施塔特应用科学大学ACIDA实验室);European University of Technology(欧洲技术大学)
本文提出YOLO-FEDER FusionNet的增强迭代版本,通过结合合成与真实数据、优化特征融合与骨干网络,显著提升了视觉复杂环境下的无人机检测性能,FNR最高降低39.1个百分点,mAP最高提升62.8个百分点。
2025-09-17 cs.CV
ScaleFormer: Revisiting the Transformer-based Backbones from a Scale-wise Perspective for Medical Image Segmentation
Zhejiang University(浙江大学);Ritsumeikan University(立命馆大学);Yamaguchi University(山口大学);Zhejiang Lab(之江实验室)
最近,各种各样的视觉Transformer已经被开发,因为它们具有建模远程依赖性的能力。在当前基于transformer的医学图像分割主干中,卷积层被纯Transformers取代,或者Transformers被添加到最深的编码器中以学习全局上下文。然而,从尺度角度来看,主要存在两个挑战:(1)尺度内问题:现有方法缺乏在每个尺度上提取局部-全局线索,这可能影响小对象的信号传播;(2)尺度间问题:现有的方法不能从多个尺度探索独特的信息,这可能阻碍从具有广泛可变尺寸的对象的表示学习,形状和位置。为了解决这些限制,我们提出了一种新的骨干,即ScaleFormer,具有两个吸引人的设计:(1)尺度内尺度变换器Transformer被设计为将每个尺度中基于CNN的局部特征与基于变换器的全局线索耦合,其中行和列全局依赖性可以通过轻量级双轴MSA来提取。(2)设计了一种简单有效的空间感知跨尺度变换器Transformer,用于多尺度下的一致性区域间的交互,突出跨尺度依赖性,解决复杂的尺度变化问题。在不同基准上的实验结果表明,我们的Scale-Former优于当前最先进的方法。该代码可在https://github.com/ZJUGiveLab/ScaleFormer上公开获取。
2022-07-29 cs.CV
SimpleClick: Interactive Image Segmentation with Simple Vision Transformers
University of North Carolina at Chapel Hill(北卡罗来纳大学教堂山分校)
基于点击的交互式图像分割的目标是在有限的用户点击下提取对象。分层骨干是当前方法的事实上的架构。最近,简单的、非分层的视觉Transformer(ViT)已经成为密集预测任务的竞争骨干。这种设计允许原始ViT成为一个基础模型,可以针对下游任务进行微调,而无需重新设计用于预训练的分层骨干。虽然这种设计是简单的,并已被证明是有效的,它还没有被探索用于交互式图像分割。为了填补这一空白,我们提出了SimpleClick,第一个交互式分割方法,利用一个普通的骨干。基于普通主干,我们引入了一个对称补丁嵌入层,该层将点击编码到主干中,对主干本身进行微小修改。通过将普通主干预训练为掩码自编码器(MAE),SimpleClick实现了最先进的性能。值得注意的是,我们的方法在SBD上实现了4.15 NoC@90,比之前的最佳结果提高了21.8%。对医学图像的广泛评价表明了该方法的通用性。我们进一步开发了一个非常小的ViT骨干SimpleClick,并提供了详细的计算分析,突出其适用性作为一个实用的注释工具。
2023-03-11 cs.CV
Decoupled Self Attention for Accurate One Stage Object Detection
School of Control and Computer Engineering, North China Electric Power University(华北电力大学控制与计算机工程学院);China Mobile (Hangzhou) Information Technology Co., Ltd.(中国移动(杭州)信息技术有限公司)
由于目标检测数据集的规模小于图像识别数据集ImageNet,迁移学习成为深度学习目标检测模型的基本训练方法,它将在ImageNet数据集上预训练目标检测模型的骨干网络,为分类和定位子任务提取特征。但由于分类任务侧重于目标的显著区域特征,而定位任务侧重于目标的边缘特征,因此预训练骨干网络提取的特征与用于定位任务的特征存在一定偏差。为了解决这一问题,本文提出了一个解耦的自注意(DSA)模型的一阶段目标检测模型。DSA包括两个解耦的自注意分支,因此它可以为不同的任务提取合适的特征。它位于FPN和子任务的头网络之间,因此它用于独立地提取不同任务的基于FPN融合特征的全局特征。DSA模块虽然网络结构简单,但能有效提高目标检测的性能,并且可以方便地嵌入到多种检测模型中。我们的实验是基于代表性的一阶段检测模型RetinaNet。在COCO数据集中,当使用ResNet50和ResNet101作为骨干网络时,检测性能可以分别提高0.4%AP和0.5%AP。当DSA模块和目标置信度任务一起应用于RetinaNet时,基于ResNet50和ResNet101的检测性能分别提高了1.0%AP和1.4%AP。实验结果表明了DSA模块的有效性。代码在:https://github.com/chenzuge1/DSANet.git。
2020-12-15 cs.CV
CSPNet: A New Backbone that can Enhance Learning Capability of CNN
Institute of Information Science(信息科学研究所);Academia Sinica(中央研究院);Elan Microelectronics Corporation(义隆电子股份有限公司);National Chiao Tung University(国立交通大学)
神经网络使最先进的方法能够在计算机视觉任务(如目标检测)上取得令人难以置信的结果。然而,这样的成功在很大程度上依赖于昂贵的计算资源,这阻碍了拥有廉价设备的人欣赏先进技术。在本文中,我们提出了跨阶段部分网络(CSPNet),以减轻问题,以前的作品需要大量的推理计算从网络架构的角度来看。我们把这个问题归结为网络优化中的重复梯度信息。所提出的网络通过从网络阶段的开始和结束集成特征图来尊重梯度的可变性,在我们的实验中,这将计算减少了20%,在ImageNet数据集上具有等同甚至更高的准确性,并且在MS COCO目标检测数据集上的AP 50方面显着优于最先进的方法。CSPNet易于实现,并且足够通用,可以处理基于ResNet,ResNeXt和DenseNet的架构。源代码位于https://github.com/WongKinYiu/CrossStagePartialNetworks。
2019-11-27 cs.CV
MimicDet: Bridging the Gap Between One-Stage and Two-Stage Object Detection
SenseTime Research(商汤科技研究院);The Chinese University of Hong Kong(香港中文大学)
现代目标检测方法可以分为一阶段方法和两阶段方法。由于结构简单,单级检测器效率更高,但两级检测器在精度上仍然领先。虽然最近的工作试图通过模仿两级探测器的结构设计来改进一级探测器,但精度差距仍然很大。在本文中,我们提出了MimicDet,一个新颖的和有效的框架,训练一个阶段的检测器直接模仿两个阶段的功能,旨在弥合之间的准确性差距的一个阶段和两个阶段的检测器。与传统的模拟方法不同,MimicDet具有一级和两级检测器的共享主干,然后它分支成两个头部,这两个头部被精心设计为具有兼容的模拟功能。因此,MimicDet可以在没有教师网络预训练的情况下进行端到端训练。而且成本增加不多,这使得采用大型网络作为骨干网成为现实。我们还提出了一些特殊的设计,如双路径模仿和交错特征金字塔,以方便模仿过程。在具有挑战性的COCO检测基准上的实验证明了MimicDet的有效性。它在COCO测试开发集上使用ResNeXt-101主干实现了46.1 mAP,大大超过了当前最先进的方法。
2020-09-24 cs.CV
GaTector: A Unified Framework for Gaze Object Prediction
Xi’an University of Architecture and Technology(西安建筑科技大学)
本文提出统一框架GaTector解决注视物体预测问题,通过SGS特征提取器、Defocus层、能量聚合损失及wUoC新指标,在GOO数据集上三任务均取得优越性能。
2023-07-01 cs.CV
Data-Free Backbone Fine-Tuning for Pruned Neural Networks
Ulm University(乌尔姆大学);Karlsruhe Institute of Technology(卡尔斯鲁厄理工学院);Friedrich-Alexander-Universität Erlangen-Nürnberg(埃尔朗根-纽伦堡弗里德里希-亚历山大大学)
提出一种无数据微调方法,通过合成图像和中间监督训练剪枝后的骨干网络,恢复性能,适用于多种任务。
2023-06-22 cs.CV