2019 谷歌 AI Open Images 目标检测赛道第二名方案
计算机视觉与模式识别
2019-11-19 v1
摘要
我们提出一个基于 PaddlePaddle 的目标检测框架。我们基于 ResNet200-vd 骨干网络将全部策略（多尺度训练、FPN、Cascade、Dcnv2、Non-local、libra loss）组合在一起。我们的模型在公开排行榜上以单尺度测试取得 0.6269 的分数。我们提出一种称为 top-k voting-nms 的新投票方法，基于 SoftNMS 检测结果。该投票方法帮助我们更轻松地合并所有模型结果，并在 2019 谷歌 AI Open Images 目标检测赛道取得第二名。
引用
@article{arxiv.1911.07171,
title = {2nd Place Solution in Google AI Open Images Object Detection Track 2019},
author = {Ruoyu Guo and Cheng Cui and Yuning Du and Xianglong Meng and Xiaodi Wang and Jingwei Liu and Jianfeng Zhu and Yuan Feng and Shumin Han},
journal= {arXiv preprint arXiv:1911.07171},
year = {2019}
}