MimicDet：弥合单阶段与两阶段目标检测之间的差距
计算机视觉与模式识别
2020-09-25 v1
摘要
现代目标检测方法可分为单阶段方法与两阶段方法。单阶段检测器因架构直接而更高效，但两阶段检测器在准确率上仍领先。尽管近期工作试图通过模仿两阶段检测器的结构设计来改进单阶段检测器，准确率差距仍显著。本文中，我们提出 MimicDet，一种新颖高效的框架，通过直接模仿两阶段特征来训练单阶段检测器，旨在弥合单阶段与两阶段检测器间的准确率差距。不同于常规模仿方法，MimicDet 对单阶段和两阶段检测器使用共享骨干网络，然后分支出两个精心设计以具备可兼容特征用于模仿的头部。因此 MimicDet 可端到端训练，无需教师网络的预训练。且成本增加不多，使其实用地采用大型网络作为骨干。我们还做了若干专门设计，如双路径模仿与交错特征金字塔，以促进模仿过程。在具挑战性的 COCO 检测基准上的实验证明了 MimicDet 的有效性。其在 COCO test-dev 集上以 ResNeXt-101 骨干达到 46.1 mAP，显著超越当前 state-of-the-art 方法。
引用
@article{arxiv.2009.11528,
title = {MimicDet: Bridging the Gap Between One-Stage and Two-Stage Object Detection},
author = {Xin Lu and Quanquan Li and Buyu Li and Junjie Yan},
journal= {arXiv preprint arXiv:2009.11528},
year = {2020}
}
备注
ECCV 2020