CVPR2021|特征金字塔的新方式YOLOF
目标检测与深度学习
共 1880字，需浏览 4分钟
·
2021-03-27 14:53
论文：You Only Look One-level Feature
下载地址：
https://arxiv.org/abs/2103.09460
代码:
https://github.com/megvii-model/YOLOF
Introduction
(1) 这表明C5层基本融合了全部语义信息，没必要进行多尺度融合。
(2) 分而治之带来的益处远多于多尺度特征融合。
经过分析，SiSo精度低的原因是有两个：
(1) 与C5的特征感受野的匹配的尺度范围有限。
(2) 在单层通过稀疏anchor方式产生的positive anchor数量极其不平衡。
Methods
Dilated Encoder
Uniform Matching
因此Uniform Matching的方式是使用最近邻方式来匹配。具体方式是选择GT boxes最近的K个boxes, 这样的方式不管GT boxes大小可以匹配相同数量的Boxes。
conclusion
1.以608x608的输入，YOLOF 在2080Ti上以60fps的速度实现了44.3 mAP的精度。
2.与YOLO_v4相比，在提高了0.8mAP的基础上快了13%。
3.达到RetinaNet的精度，并比它快2.5倍。
4.仅用了一层特征就达到了DETR的精度，训练速度快了7倍。
✄------------------------------------------------
欢迎微信搜索并关注「目标检测与深度学习」，不被垃圾信息干扰，只分享有价值知识！
10000+人已加入目标检测与深度学习
敬正在努力的我们！ 
评论