如何在任意数据集上训练准确高效的目标检测模型
计算机视觉与模式识别
2022-12-01 v1
摘要
快速发展的行业要求模型具有高准确率，且无需耗时和算力昂贵的微调实验。此外，曾为特定数据集精心优化的模型和训练流程，很少能很好地泛化到不同数据集的训练上。这使得为每个用例提供精心微调的模型变得不现实。为此，我们提出一种替代方法，其亦构成 Intel Geti 平台的骨干：一种与数据集无关的目标检测训练模板，由精心挑选和预训练的模型以及用于进一步训练的鲁棒训练流程组成。我们的解决方案开箱即用，并在广泛的数据集上提供强基线。它可独立使用，或作为需要时针对特定用例进一步微调的起点。我们通过对数据集语料库进行并行训练，并针对整个语料库的平均结果优化架构和训练技巧的选择，获得了与数据集无关的模板。我们考察了若干架构，权衡了性能-准确率。最终，我们提出 3 个可部署于 CPU 并使用 OpenVINO 工具包的候选方案：VFNet、ATSS 和 SSD。源代码作为 OpenVINO Training Extensions 的一部分提供（https://github.com/openvinotoolkit/training_extensions）。
引用
@article{arxiv.2211.17170,
title = {How to Train an Accurate and Efficient Object Detection Model on Any Dataset},
author = {Galina Zalesskaya and Bogna Bylicka and Eugene Liu},
journal= {arXiv preprint arXiv:2211.17170},
year = {2022}
}
备注
submitted to VISAPP 2023