YOLOv9：利用可编程梯度信息学习你想学习的内容
计算机视觉与模式识别
2024-03-01 v2
摘要
当今的深度学习方法侧重于如何设计最合适的目标函数，使模型的预测结果尽可能接近真实值。同时，必须设计合适的架构以便于获取足够的预测信息。现有方法忽略了一个事实：当输入数据经过逐层特征提取和空间变换时，会丢失大量信息。本文将深入探讨数据通过深度网络传输时数据丢失的重要问题，即信息瓶颈和可逆函数。我们提出了可编程梯度信息（PGI）的概念，以应对深度网络为实现多目标而需进行的各种变化。PGI 可为目标任务提供完整的输入信息以计算目标函数，从而获得可靠的梯度信息来更新网络权重。此外，基于梯度路径规划，我们设计了一种新的轻量级网络架构——广义高效层聚合网络（GELAN）。GELAN 的架构证实了 PGI 在轻量级模型上取得了优异的结果。我们在基于 MS COCO 数据集的目标检测任务上验证了所提出的 GELAN 和 PGI。结果表明，GELAN 仅使用常规卷积算子就实现了比基于深度卷积开发的最先进方法更好的参数利用率。PGI 可用于从轻量级到大型的各种模型。它可用于获取完整信息，使得从头训练的模型能够取得比使用大型数据集预训练的最先进模型更好的结果，对比结果如图 1 所示。源代码位于：https://github.com/WongKinYiu/yolov9。
引用
@article{arxiv.2402.13616,
title = {YOLOv9: Learning What You Want to Learn Using Programmable Gradient Information},
author = {Chien-Yao Wang and I-Hau Yeh and Hong-Yuan Mark Liao},
journal= {arXiv preprint arXiv:2402.13616},
year = {2024}
}