javaparsae人妻xxx,91精品国产91久久久久久,99久久精品国产波多野结衣

當(dāng)前位置： OFweek 人工智能網(wǎng) > 模式識(shí)別 > 正文

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

2020-07-24 09:22

將門(mén)創(chuàng)投

關(guān)注

所有備選架構(gòu)的計(jì)算量都幾乎相同，因?yàn)樵谶@一過(guò)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(lái)適應(yīng)模塊的尺度和種類(lèi)（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(guò)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(méi)有使用多尺度測(cè)試的情況下單模型結(jié)果超過(guò)了先前的檢測(cè)器架構(gòu)。SpineNet同時(shí)在分類(lèi)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。