基于元认知的简洁高效目标检测方法
计算机视觉与模式识别
2020-12-03 v1 人工智能
摘要
近来,许多研究者尝试从精度与运行速度两方面改进基于深度学习的目标检测模型。然而,此类模型的精度与速度之间常存在权衡,这阻碍了它们在自主导航等实际应用中的使用。在本文中,我们探索了一种用于目标检测的元认知学习策略,以在保持检测速度的同时提升泛化能力。该元认知方法对训练数据集中的目标实例进行选择性采样,以减轻过拟合。我们以 YOLO v3 Tiny 作为基础模型,并使用 MS COCO 数据集评估性能。实验结果表明,在推理时间无额外开销的情况下,绝对精度最低提升 2.6%,最高提升 4.4%。
引用
@article{arxiv.2012.01201,
title = {Meta-Cognition-Based Simple And Effective Approach To Object Detection},
author = {Sannidhi P Kumar and Chandan Gautam and Suresh Sundaram},
journal= {arXiv preprint arXiv:2012.01201},
year = {2020}
}