[NAS论文][检测]DetNAS: Backbone Search for Object Detection

苏道 发表于 2021/12/03 16:22:09 2021/12/03
【摘要】 不同于NAS-FPN搜索FPN和NAS-FCOS对FPN和prediction head同时搜索,本文直接对大头backbone进行搜索。

前言

不同于NAS-FPN搜索FPN和NAS-FCOS对FPN和prediction head同时搜索,本文直接对大头backbone进行搜索。

方案

1、第一步设计NAS搜索空间,这点在这没有太大新意

2、基于one-shot supernet的方式在Imagenet上预训练,然后再coco上finetune这个supernet

3、搜索的时候只用了500张训练图片去做bn的re-calibration,用EA算法去搜索,一下简图阐述了整个过程

1.PNG

实验结果和消融实验

实验结果非常好:

2.PNG

预训练是否有效,做了消融实验,把剔除了预训练的那组训练时间加长到和有预训练那组的一致来比较:

3.PNG

可以从图上看到,预训练十分有效,imagenet的知识至关重要,作者还有cifar做了预训练,发现效果不如imagenet。这个预训练思想值得借鉴

【版权声明】本文为华为云社区用户原创内容,转载时必须标注文章的来源(华为云社区),文章链接,文章作者等基本信息,否则作者和本社区有权追究责任。如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件至:cloudbbs@huaweicloud.com进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容。
  • 点赞
  • 收藏
  • 关注作者

评论(0

0/1000
抱歉,系统识别当前为高风险访问,暂不支持该操作

全部回复

上滑加载中

设置昵称

在此一键设置昵称,即可参与社区互动!

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。