MelNet：一种用于目标检测的实时深度学习算法

在本研究中，我们引入了一种名为 MelNet 的新型深度学习目标检测算法。MelNet 使用 KITTI 数据集进行目标检测训练。经过 300 个训练周期后，MelNet 达到了 0.732 的 mAP（平均精度均值）分数。此外，还在 KITTI 数据集上训练了另外三种模型——YOLOv5、EfficientDet 和 Faster-RCNN-MobileNetv3，并与 MelNet 在目标检测任务上进行了对比。结果强调了在某些情况下使用迁移学习的有效性。值得注意的是，在知名数据集（例如 ImageNet、COCO 和 Pascal VOC）上预训练的现有模型取得了更优的结果。另一项发现强调了创建一个针对特定场景定制的新模型并在特定数据集上训练它的可行性。本研究表明，仅在 KITTI 数据集上训练 MelNet，在 150 个周期后其性能也超过了 EfficientDet。因此，训练后，MelNet 的性能与其他预训练模型的表现紧密对齐。