因为结果吸引人,Github上已经有多份非官方开源实现,这次谷歌大脑的官方版本终于来了。 开源地址: https://github.com/google/automl/tree/master/efficientdet 位于google新开的automl项目内,看样子以后这个项目还会有其他自动机器学习的算法开源。 EfficientDet原出于论文 EfficientDet: Scalable and Efficient Object Detection,开源页面显示,这篇论文已经被CVPR 2020接收。 在算法设计上有三大特点: 1. 优秀的主干网络。同样出自谷歌家族的EfficientNets 。 2. 双向FPN(BiFPN,特征金字塔网络)。可以方便且更好的进行特征融合。 3. 模型缩放技术。设计好模型的主干网络、特征网络、预测网络后,按照一定的优化规则,在网络的深度、宽度、输入图像的分辨率上进行模型缩放,故EfficientDet其实是一系列网络,可在统一架构下得到适合移动端和追求高精度的多个模型。 作者们结合BiFPN和特征融合策略设计了与YOLOv3精度相仿的EfficientDet-D0,使用模型缩放技术得到一系列检测模型:EfficientDet-D1 到 D6,在精度和模型复杂度上权衡。 其高精度模型 EfficientDet-D6 在COCO数据集上达到 50.9 mAP,而仅需要51.9M 参数 和 229B FLOPs。相比于之前的最好算法(AmoebaNet + NAS-FPN + AutoAugment )达到了更高的精度,却仅有1/4参数量,1/13的FLOPs,在GPU/CPU上运行结果快3~5倍! 这次开源诚意满满,提供了EfficientDet D0-D6所有预训练模型: 同时为了方便使用,谷歌也提供了训练代码。 |
|