尺度运用：密集包装场景中产品检测的第二名解决方案 [技术报告]
计算机视觉与模式识别
2020-06-16 v1
摘要
本报告描述了 CVPR 2020 零售视觉研讨会期间举行的检测挑战赛的第二名解决方案。与进一步考虑先前结果不同，本工作主要旨在通过重新实验来验证先前观察到的结论。通过整合流行的目标检测工具箱 MMDetection，实现了结果的可靠性和可复现性。在本报告中，我首先展示了 Faster-RCNN 和 RetinaNet 模型的结果，这些模型在原始工作中被用于比较。然后，我描述了使用更先进模型的实验结果。最后一部分回顾了用于我最终提交的 Faster-RCNN 模型的两个简单技巧：更改默认锚点尺度参数和训练时图像平铺。源代码可在 https://github.com/tyomj/product_detection 获取。
引用
@article{arxiv.2006.07825,
title = {Working with scale: 2nd place solution to Product Detection in Densely Packed Scenes [Technical Report]},
author = {Artem Kozlov},
journal= {arXiv preprint arXiv:2006.07825},
year = {2020}
}