PAFNet：一种高效的 Anchor-Free 目标检测器指导
计算机视觉与模式识别
2021-04-29 v1
摘要
目标检测是计算机视觉中一项基础但具有挑战性的任务，在多种工业应用中起着关键作用。然而，基于深度学习的物体检测器通常需要更大的存储需求和更长的推理时间，严重阻碍了其实际应用。因此，在实际场景中，在效果与效率之间取得权衡是必要的。考虑到无锚框(anchor-free)检测器不受预定义锚框的约束，可同时达到可接受的准确率和推理速度。本文从一种称为 TTFNet 的 anchor-free 检测器出发，修改其结构并引入多种现有技巧，分别实现有效的服务器端和移动端方案。由于本文所有实验均基于 PaddlePaddle 进行，我们将该模型称为 PAFNet(Paddle Anchor Free Network)。在服务器端，PAFNet 在单张 V100 GPU 上可实现效果(42.2% mAP)与效率(67.15 FPS)之间更好的平衡。在移动端，PAFNet-lite 在麒麟 990 ARM CPU 上可达到 23.9% mAP 的更高准确率和 26.00 ms 的延迟，显著优于现有的 state-of-the-art anchor-free 检测器。源代码见 https://github.com/PaddlePaddle/PaddleDetection。
引用
@article{arxiv.2104.13534,
title = {PAFNet: An Efficient Anchor-Free Object Detector Guidance},
author = {Ying Xin and Guanzhong Wang and Mingyuan Mao and Yuan Feng and Qingqing Dang and Yanjun Ma and Errui Ding and Shumin Han},
journal= {arXiv preprint arXiv:2104.13534},
year = {2021}
}