FSD：基于神经架构搜索的全专用检测器
计算机视觉与模式识别
2023-09-07 v4
摘要
大多数通用目标检测器主要为 COCO 和 PASCAL VOC 等标准目标检测任务构建。它们在其他领域（其图像在视觉上不同于标准数据集）的任务上可能表现不佳和/或效率低下。为此，许多进展集中于通过有限的领域特定设计来适配通用目标检测器。然而，设计一个成功的特定任务检测器需要通过试错进行额外的手动实验与参数调优。本文中，我们首先提出并考察了一条全自动流水线，用于设计全专用检测器（FSD），其主要通过在骨干网络和任务特定头部上探索理想网络结构，融入神经架构搜索得到的模型。在 DeepLesion 数据集上，大量结果表明，与现有通用医学病灶检测网络相比，FSD 在二分类病灶检测任务上以约少 40% 的参数实现了 3.1 mAP 提升，并通过我们的区域感知图建模在多类型病灶检测任务上将 mAP 提高了约 10%。
引用
@article{arxiv.2305.16649,
title = {FSD: Fully-Specialized Detector via Neural Architecture Search},
author = {Zhe Huang and Yudian Li},
journal= {arXiv preprint arXiv:2305.16649},
year = {2023}
}