DHARI 参加 EPIC-Kitchens 2020 目标检测挑战赛的技术报告
计算机视觉与模式识别
2020-06-30 v1
摘要
在本报告中，我们描述了提交给 EPIC-Kitchens 目标检测挑战赛的方法的技术细节。首先引入 duck filling（鸭子填充）与 mix-up 技术以增强数据并显著提升所提方法的鲁棒性。随后我们提出 GRE-FPN 与 Hard IoU-imbalance Sampler（难 IoU 不平衡采样器）方法来提取更具代表性的全局目标特征。为弥合类别不平衡的差距，采用了 Class Balance Sampling（类别平衡采样），大幅改善了测试结果。此外，还运用了若干训练与测试策略，如 Stochastic Weight Averaging（随机权重平均）与多尺度测试。实验结果表明，我们的方法在 EPIC-Kitchens 的 seen（已见）与 unseen（未见）测试集上均能显著提升目标检测的 mean Average Precision (mAP)（平均精度均值）。
引用
@article{arxiv.2006.15553,
title = {DHARI Report to EPIC-Kitchens 2020 Object Detection Challenge},
author = {Kaide Li and Bingyan Liao and Laifeng Hu and Yaonong Wang},
journal= {arXiv preprint arXiv:2006.15553},
year = {2020}
}
备注
Challenge Winner in the EPIC-Kitchens 2020 Object Detection Challenge(EPIC@CVPR2020)