基于十万参数的高效显著目标检测
计算机视觉与模式识别
2020-08-04 v2
摘要
显著目标检测模型通常需要大量的计算成本来对每像素进行精确预测，难以应用于低功耗设备。本文旨在通过进一步提高网络效率来缓解计算成本与模型性能之间的矛盾。我们提出一种灵活的卷积模块，即广义OctConv（gOctConv），以高效利用阶段内与跨阶段的多尺度特征，同时通过一种新颖的动态权重衰减方案降低表征冗余。该有效的动态权重衰减方案在训练过程中稳定提升参数的稀疏性，支持gOctConv中各尺度可学习的通道数，从而在不损失可忽略性能的前提下减少80%的参数。利用gOctConv，我们构建了一个极轻量模型，即CSNet，在主流显著目标检测基准上以约大型模型0.2%的参数（100k）取得了可比的性能。
引用
@article{arxiv.2003.05643,
title = {Highly Efficient Salient Object Detection with 100K Parameters},
author = {Shang-Hua Gao and Yong-Qiang Tan and Ming-Ming Cheng and Chengze Lu and Yunpeng Chen and Shuicheng Yan},
journal= {arXiv preprint arXiv:2003.05643},
year = {2020}
}
备注
Accepted by ECCV 2020. Source code: https://mmcheng.net/sod100k/