Learning Rich Features at High-Speed for Single-Shot Object Detection 論文筆記

前言 目前的single-stage目標檢測器依然存在兩個問題: 在檢測小目標時,性能不是很好。比如RetinaNet在檢測COCO上的大目標時能達到47的AP,而小目標的AP只有14; 大多數single-stage檢測器採用在ImageNet上經過預訓練的backbone來進行分類任務,然後利用目標檢測數據集進行微調以實現快速收斂。但是分類任務和定位任務之間仍存在較大差異,尤其是在IoU閾值較
相關文章
相關標籤/搜索