一种面向小数据集的有效两阶段训练范式检测器
计算机视觉与模式识别
2023-09-12 v1
摘要
从有限量的标注数据中学习以预训练模型一直被视为一项具有挑战性的任务。在本报告中，我们为 VIPriors 2023 挑战赛的目标检测赛道设计了一种有效且鲁棒的解决方案——两阶段训练范式 YOLOv8 检测器（TP-YOLOv8）。首先，使用掩码图像建模技术将 YOLOv8 的骨干网络作为编码器进行预训练。随后通过精心设计的增强策略对检测器进行微调。在测试阶段，采用测试时增强（TTA）来强化每个模型，并实现加权框融合（WBF）以进一步提升性能。凭借精心设计的结构，我们的方法在 DelftBikes 测试集上取得了 0.50 至 0.95 平均精度 30.4% 的成绩，在排行榜上排名第 4。
引用
@article{arxiv.2309.05652,
title = {An Effective Two-stage Training Paradigm Detector for Small Dataset},
author = {Zheng Wang and Dong Xie and Hanzhi Wang and Jiang Tian},
journal= {arXiv preprint arXiv:2309.05652},
year = {2023}
}
备注
4 pages, 2 figures