Plain-Det：一个_plain 多数据集目标检测器
计算机视觉与模式识别
2024-07-16 v1
摘要
近期大规模基础模型的发展引发了对训练高性能大型视觉模型的广泛关注。普遍共识是，需要汇聚大量高质量标注数据。然而，鉴于在计算机视觉中对密集任务（如目标检测和分割）进行标注的固有难益，一种实用策略是组合并利用所有可用数据进行训练。本文提出了 Plain-Det，该方法灵活可适配新数据集，在不同数据集上表现稳健，训练效率高，且与各种检测架构兼容。我们利用 Def-DETR，辅以 Plain-Det，实现了在 COCO 数据集上达到 51.9 的 mAP，匹配当前最先进的检测器。我们在 13 个下游数据集上进行了大量实验，Plain-Det 显示出强大的泛化能力。代码已发布于 https://github.com/ChengShiest/Plain-Det
引用
@article{arxiv.2407.10083,
title = {Plain-Det: A Plain Multi-Dataset Object Detector},
author = {Cheng Shi and Yuchen Zhu and Sibei Yang},
journal= {arXiv preprint arXiv:2407.10083},
year = {2024}
}
备注
Accepted to ECCV2024