微软必应中的网页级通用目标检测
计算机视觉与模式识别
2021-07-06 v1
摘要
在本文中，我们提出通用目标检测（GenOD），这是部署于网页级通用视觉搜索引擎的最大目标检测系统之一，能够以近实时方式对所有微软必应视觉搜索查询检测超过 900 个类别。它作为一项基础的视觉查询理解服务，提供以目标为中心的信息，并在多个生产场景中相较领域专用模型取得提升。我们讨论了收集数据、训练、部署和更新此类具有多重依赖关系的大规模目标检测模型所面临的挑战。我们讨论了一种数据收集流水线，在提升标注质量的同时将每个边界框的标注成本降低 81.5%、延迟降低 61.2%。我们表明，与多个领域专用模型相比，GenOD 可将加权平均精度提升超过 20%。相较于联合微调，我们所提出的分离检测器训练还将模型更新敏捷度提升近 2 倍。最后，我们展示了 GenOD 如何通过显著提升目标级搜索相关性 54.9% 与用户参与度 59.9% 来惠及视觉搜索应用。
引用
@article{arxiv.2107.01814,
title = {Web-Scale Generic Object Detection at Microsoft Bing},
author = {Stephen Xi Chen and Saurajit Mukherjee and Unmesh Phadke and Tingting Wang and Junwon Park and Ravi Theja Yada},
journal= {arXiv preprint arXiv:2107.01814},
year = {2021}
}
备注
In Proceedings of the 27th ACM SIGKDD International Conference on Knowledge Discovery & Data Mining (KDD) 2021, Virtual Event, Singapore