旷视开源 YOLOF

旷视开源 YOLOF_第1张图片

,无需 FPN,速度比 YOLOv4 快13%

我爱计算机视觉

我爱计算机视觉

公众号『我爱计算机视觉』关注算法,更关注思想的价值

21 人赞同了该文章

#CVPR2021##目标检测#

You Only Look One-level Feature

由中科院、国科大以及旷视联合提出 YOLOF,不需要复杂的 FPN,在 GPU 上实现类似 RetinaNet、DETR 和 YOLOv4 的结果,比 RetinaNet 快 2.5 倍、比 DETR 少 7 倍训练时序、比 YOLOv4 快13%。

旷视开源 YOLOF_第2张图片

作者先是对用于单级检测器的 FPN 进行回顾,并表明它的成功在于它可以分而治之的解决目标检测中的优化问题,而不是多尺度特征融合。

旷视开源 YOLOF_第3张图片

作者从优化的角度出发,引入另一种方法来解决问题,只利用一级特征进行检测,而不是采用复杂的特征金字塔。该方法为 YOLOF,是一种简单高效的基线,不需要使用 FPN。它有两个关键组件,Dilated Encoder 和 Uniform Matching,弥补了 SiSo 编码器和 MiMo 编码器之间的性能差距,带来相当大的改进。

旷视开源 YOLOF_第4张图片

旷视开源 YOLOF_第5张图片

在 COCO 基准上进行大量实验证明了每个组件的重要性。此外,还与RetinaNet、DETR 和 YOLOv4 进行了比较。YOLOF 实现了与 RetinaNet 相当的结果,同时速度快了 2.5 倍。

旷视开源 YOLOF_第6张图片

在没有变换层的情况下,YOLOF 可以用少 7 倍的训练时序,以单级特征的方式匹配 DETR 的性能。

旷视开源 YOLOF_第7张图片

在图像尺寸为 608×608 的情况下,YOLOF 在 2080Ti 上以 60 fps 的速度实现了 44.3 mAP,比 YOLOv4 快13%。

旷视开源 YOLOF_第8张图片

 

作者 | Qiang Chen, Yingming Wang, Tong Yang, Xiangyu Zhang, Jian Cheng, Jian Sun

单位 | 中科院;国科大;旷视

论文 | You Only Look One-level Feature

代码 | megvii-model/YOLOF

备注 | CVPR2021

编辑于 2 小时前

你可能感兴趣的:(目标检测)