“跨次元”检测模型hold住各种画风，真人赛博，在线Demo可玩
来源：量子位
目标检测种类多达20000+种的AI，你见过吗？
不仅准确“揪出”每个物体所在的位置，分类效果非常准确：
插画版赛博恐龙也没问题：
甚至还能检测杂志封面甚至漫画中的物体！
这也是把目标检测给玩出花来了，据作者表示模型在长尾问题等细节上的处理非常好，像狮子和狐狸这种少样本也能准确识别：
这项研究来自Meta AI和德克萨斯大学奥斯汀分校，一作是著名目标检测框架CenterNet的作者、复旦校友Xingyi Zhou。
一起来看看。
可识别“跨次元”物体
这篇论文提出了一种新的名为Detic的方法，用来解决目标检测无法用到图像级标签（给一整张图打标签，标注里面有什么物体）的问题。
此前的目标检测方法，通常是一个检测框里一个物体：
这种方法有一个问题，就是没办法利用整个图像级标签，只能用单个物体的图片进行训练。
也有一些研究想出了一种新方法，搞个弱监督学习，试图让AI自己学会将图像级的标签，去对应锚定框里面有什么物体，但实际上这种方法的效果也不太好。
Detic的方法是采用目标检测数据（a）和图像标签数据（b）对Detic进行混合训练。
其中，在用目标检测数据训练Detic时，同时对图像分类模块W和目标检测模块B进行训练，但只用标签数据对图像分类模块W进行训练。
训练的数据集采用的是ImageNet，事实证明模型在训练后无需微调，就能很好地适应到LVIS等数据集，相对之前的一些模型都达到了不错的效果：
论文表示，Detic能分类的图片类型也是多种多样，从真实照片到赛博恐龙插画这样的“跨次元”作品都能识别：
这立刻吸引了不少网友来玩。
在线Demo可玩
有网友用梵高的世界名画试了试。
放大一点来看，艺术加工后的椅子、人和桌子也能被识别：
还有用二次元的龙猫进行识别的，除了龙猫本身被错认成猫头鹰以外，其他的雨伞和靴子都认得不错：
我们也随便用一个钟表柜的照片试了试，在线Demo的检测时间稍微有点久，大约需要6分钟左右，但效果还不错：
细看的话还是能发现一些瑕疵，例如把部分手表误认成转速计、以及怀表和时钟，以及也有一两块手表没有被检测出来。
不过，即使在二次元和插画中，这个AI能识别的物体，至少也需要在真实世界出现过。
例如，超出20000个分类的物体，如喷火龙和皮卡丘，就不在AI的监测范围内了，全部被认成了猴子（狗头）：
将这些二次元角色也加入AI训练数据集中，不知能否取得同样的检测效果。
作者介绍
△这张照片是“女朋友拍的”
论文一作Xingyi Zhou，目前在德克萨斯大学奥斯汀分校读博，本科就读于复旦大学计算机系，之前也是CenterNet论文的第一作者，项目在GitHub上目前已经收获6.1k Star。
Rohit Girdhar、Armand Joulin和Ishan Misra，Meta AI的研究科学家，主要研究方向是机器学习和计算机视觉，此前Armand Joulin曾经在李飞飞的实验室进行博士后工作。
Philipp Krähenbühl，德克萨斯大学奥斯汀分校助理教授，Xingyi Zhou的导师，研究方向是计算机视觉、机器学习和计算机图形学。
感兴趣的小伙伴，赶紧试试你想玩的漫画、或是杂志插画吧~
Demo地址：
https://huggingface.co/spaces/akhaliq/Detic
论文地址：
https://arxiv.org/abs/2201.02605
参考链接：
[1]https://www.cs.utexas.edu/~zhouxy/
[2]https://twitter.com/ak92501/status/1480704961101148162
推荐阅读
【重磅】斯坦福李飞飞《注意力与Transformer》总结，84页ppt开放下载！
苏黎世联邦理工学院SML课题组招收统计机器学习全奖博士生
读博五年，我总结出了7条帮你「少走弯路」的真理
仅需12层网络，在ImageNet上准确率达到80.7%！普林斯顿大学最新提出ParNet！
MobileViT: 一种更小，更快，高精度的轻量级Transformer端侧网络架构（附代码实现）
【移动端最强架构】LCNet吊打现有主流轻量型网络（附代码实现）
基于Attention机制的轻量级网络架构以及代码实现
深度学习中的轻量级网络架构总结与代码实现
一文详解Inception家族的前世今生（从InceptionV1-V4、Xception）附全部代码实现
华为2012实验室诺亚方舟实验室招聘视觉感知算法实习生
欢迎大家加入DLer-计算机视觉&Transformer群！
大家好，这是计算机视觉&Transformer论文分享群里，群里会第一时间发布最新的Transformer前沿论文解读及交流分享会，主要设计方向有：图像分类、Transformer、目标检测、目标跟踪、点云与语义分割、GAN、超分辨率、视频超分、人脸检测与识别、动作行为与时空运动、模型压缩和量化剪枝、迁移学习、人体姿态估计等内容。
进群请备注：研究方向+学校/公司+昵称（如Transformer+上交+小明）
长按识别，邀请您进群！