GreenCOD：一种绿色隐形目标检测方法
计算机视觉与模式识别
2024-05-28 v1 人工智能
摘要
我们介绍GreenCOD，这是一种用于检测隐形目标的绿色方法，区别在于其避免了反向传播技术。GreenCOD利用梯度提升和从预训练深度神经网络(DNN)中提取的深度特征。传统的隐形目标检测(COD)方法通常依赖复杂的深度神经网络架构，通过反向传播式微调寻求性能提升。然而，这类方法通常计算量大，且在不同模型之间仅表现出微小的性能差异。这引出了一个问题：是否可以在不使用反向传播的情况下实现有效的训练？为此，本工作提出了一种新范式，利用梯度提升进行COD。这一方法显著简化了模型设计， resulting in a system that requires fewer parameters and operations while maintaining high performance compared to state-of-the-art deep learning models. 值得注意的是，我们的模型在不使用反向传播的情况下即可获得最佳性能，且运算量不足20G乘-加运算(MAC)。这种更高效的范式为进一步探索无反向传播的绿色模型训练开辟了新的道路。
引用
@article{arxiv.2405.16144,
title = {GreenCOD: A Green Camouflaged Object Detection Method},
author = {Hong-Shuo Chen and Yao Zhu and Suya You and Azad M. Madni and C. -C. Jay Kuo},
journal= {arXiv preprint arXiv:2405.16144},
year = {2024}
}