面向多种应用领域的最先进目标检测模型
计算机视觉与模式识别
2022-11-03 v1 人工智能
摘要
我们提供了一份数据集及其最佳模型的清单，旨在通过将目标识别问题置于两类最先进方法的背景下——单阶段方法和两阶段方法——来推进目标检测的最先进水平。我们针对粒化深度学习模型的最新进展，对五个顶级数据集进行了深入的统计分析：COCO minival、COCO test、Pascal VOC 2007、ADE20K和ImageNet。这些数据集是在与其余数据集就多样性、数据质量、最小偏差、标注质量等方面密切比较后精心挑选的。更重要的是，我们的工作进一步提供了这些数据集与过去两年新兴模型的最佳组合。它列出了每个相应数据集的顶级模型及其最优用例。我们全面概述了各种通用和特定目标检测模型，列举了推理时间以及在不同交并比(IoU)下和不同尺寸物体上固定的框平均精度(AP)等比较结果。定性和定量分析将使专家能够利用数据集与模型的最佳组合取得新的性能记录。
引用
@article{arxiv.2211.00733,
title = {State-of-the-art Models for Object Detection in Various Fields of Application},
author = {Syed Ali John Naqvi and Syed Bazil Ali},
journal= {arXiv preprint arXiv:2211.00733},
year = {2022}
}
备注
4 pages, 5 tables