论文笔记:Bag of Freebies for Training Object Detection Neural Networks

最新推荐文章于 2024-09-19 00:27:36 发布
原创 最新推荐文章于 2024-09-19 00:27:36 发布 · 5.8k 阅读 · 27
这篇论文汇总了一系列用于训练目标检测神经网络的优化技术，统称为"Bag of Freebies"。这些技术包括视觉一致的图像Mixup、分类头标签平滑、数据预处理策略、训练调度改进、同步批归一化以及针对单阶段检测网络的随机形状训练。通过这些方法，论文展示了在不改变模型结构和损失函数的情况下，如何在现有模型上提升5%的精度，同时保持前向传播效率。

这篇论文看起来像是一种总结类文章，文中并没有提出新的结构模型之类，但是对于以前的一些做法进行了整合并应用于baseline中。也就是文中一再强调的“Bag of Freebies”，即在不改变模型结构并且不改变损失函数的情况下，不牺牲前向传播时间，将mAP提升近五个点。

论文主要贡献如下：

  • 首次系统地评估了不同目标检测流程中应用的多种训练启发式方法，为未来的研究提供了有价值的实践指导。
  • 提出了一种为训练目标检测网络而设计的视觉相干图像混合方法，而且证明该方法可以有效提升模型的泛化能力。
  • 在不修改网络架构和损失函数的情况下，在现有模型的基础上实现了 5% 的绝对精度性能提升。而且这些提升都是「免费的午餐」，无需额外的推理成本。
  • 扩展了目标检测数据增强领域的研究深度，显著增强了模型的泛化能力，减少了过拟合问题。这些实验还揭示了可以在不同网络架构中一致提高目标检测性能的良好技术。

接着一项项来说。

Visually Coherent Image Mixup for Object Detection

这里用到了mixup方法(Zhang H, Cisse M, Dauphin Y N, et al. mixup: Beyond empirical risk minimization[J]. arXiv preprint arXiv:1710.09412, 2017.)，详细解释见
https://www.zhihu.com/question/67472285
这里也有一些我觉得比较惊艳的解释：
https://spaces.ac.cn

最低0.47元/天 解锁文章
目标检测优化技巧（Bag of Freebies for Training Object Detection Neural Networks）
mingo_敏
03-24 1953
关于Mu Li关于图像分类优化技巧的文章见 图像分类优化技巧（Bag of Tricks for Image Classification with Convolutional Neural Networks） Bag of Freebies for Training Object Detection Neural Networks，李沐大神19年2月的新作，用卷积神经网络进行目标检测的一些技巧。...
Bag of Freebies for Training Object Detection Neural Networks-论文阅读
stesha_chen的博客
06-30 536
摘要 本文提出了对定位网络具有普遍性的技巧，可以让定位算法的performance提升到一个新的高度。 简介 物体定位的任务吸引了各个领域研究者的注意，最近比较流行的算法有SSD，YOLO还有RCNN之类，这些网络的backbone都是分类网路比如VGG，ResNet，Inception和...
一文总结YOLOv4所列的Bag of freebies
weixin_38688399的博客
06-11 5730
这里写自定义目录标题YOLOv4目标检测架构功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 YOLOv4 YOLOv4其实是一个结合了大量前人研究技术，加以组合并进行适当创新的高水平论文，实现了速度和精度的完美平衡。 论文总结了大
Paper Reading - 基础系列 - Bag of Freebies for Training Object Detection Neural Networks
热门推荐
weixin_43953700的博客
04-19 2万+
Bag of Freebies for Training Object Detection Neural Networks 更多可见计算机视觉-Paper&Code - 知乎 Paper Abstract 本文和cls一样都是由AWS发出，找到了财富密码，多的不说，就是干饭sota，对于论文里面的表格真是有必要学习的，对于几个点的增加，只要缩小y轴距离看着就很明显了。总的来说在复杂的目标检测任务下，数据至关重要。其中论文中提到的以下点贡献 系统地评估了各种训练trick对目标检测模型的影响
Bag of Freebies(免费包)和Bag-of-Specials(特赠包)
qq_16009377的博客
04-20 2535
Bag of Freebies：指的是那些不增加模型复杂度，也不增加推理的计算量的训练方法技巧，来提高模型的准确度 https://zhuanlan.zhihu.com/p/141878389 Bag-of-Specials：指的是那些增加少许模型复杂度或计算量的训练技巧，但可以显著提高模型的准确度 https://zhuanlan.zhihu.com/p/307303944 BoF指的是 1）数据增强：图像几何变换（随机缩放，裁剪，旋转），Cutm
Bag of Freebies for Training Object Detection Neural Networks 论文阅读笔记
浅浅记录一下吧。
11-10 2616
Bag of Freebies for Training Object Detection Neural Networks 论文阅读笔记 这个题目取的有点意思：用于训练目标检测神经网络的免费赠品袋 摘要 启发式训练大大提高了各种图像分类模型的准确率，而目标检测模型具有更为复杂的神经网络结构和优化目标。训练策略和管道在不同的模式中有很大的差异。在这个工作中，作者探索了适用于各种模型的训练调整，包括Faster R-CNN和YOLOv3。这些调整不会改变模型架构，因此，推理成本保持不变。然而，经验结果表明，
Bag of Freebies for Training Object Detection Neural Networks 论文笔记
qq_30146937的博客
05-08 365
前言 本文总结了能够增强目标检测网络性能的一些有效的方法，也就是训练过程使用到的一些tricks，这些方法在inference时并不会引入额外的计算消耗。本文的主要贡献如下： 系统地评估了不同目标检测流程中应用的多种训练tricks，为未来的研究提供了很有价值的参考； 借鉴分类问题中的mixup技术，提出了一种适合于目标检测网络的视觉连贯的image mixup方法，实验证明该方法能够提升模型的...
论文阅读笔记06：Bag of Freebies for Training Object Detection Neural Networks
不撸先疯。
05-11 361
paper：https://arxiv.org/pdf/1902.04103.pdf code：https://github.com/ dmlc/gluon-cv 这是一篇目标检测的论文，发布于2019年，将YOLOv3的精度提升5%左右，其他例如Faster R-CNN的精度也略有提升。 （也是课程《计算机视觉》的大作业总结） 写在前面： 目标检测无疑是计算机视觉领域最前沿的应用之一，吸引了各个领域诸多研究者的目光。最前沿的检测器，包括类似RCNN的单阶段（SSD或YOLO）或多阶神经网络都是基
Bag of Freebies for Training Object Detection Neural Networks论文笔记
weixin_46700107的博客
12-07 226
本文主要介绍了很多Bag of Freebies的方法，所谓Bag of Freebies就是在不增加推理成本的情况下，能够提高检测精度的方法。 Bag of freebies: (1) Visually Coherent Image Mixup for Object Detection mixup在图像分类中被证实了能够有效减小对抗性扰动。其核心思想就是通过混合训练集中图像的像素这种简单线性变化来调整神经网络。例如： ...
目标检测调优技巧：《Bag of Freebies for Training Object Detection Neural Networks》论文笔记
m_buddy的博客
03-12 879
1. 概述 这篇文章主要将介绍了一些在目标检测算法中的一些优化技巧，在优化过程中并不会修改网络，或者带来额外的计算量开销。文章的可以概括如下： 1）对于目标检测提出一种基于视觉相关的图像混合方法； 2）探究了详细的网络训练方法，包括损失函数、学习率、权重衰减以及多设备BN参数同步； 3）在单阶段与两阶段检测算法中检测提出技巧进行了对比。 使用文章中的方法进行优化，得到的优化见下图，至少提升了1个点...
论文：Bag of Freebies for Training Object Detection Neural Networks
Stay hungry, Stay foolish
06-20 447
一、论文 (19)Bag of Freebies for Training Object Detection Neural Networks https://arxiv.org/abs/1902.04103 code： https://github.com/dmlc/gluon-cv 二、论文笔记 1、背景 （1）、简单的有效的训练方式，就可以再不增加任何inference时间的情况下...
【BoF】《Bag of Freebies for Training Object Detection Neural Networks》
最新发布
bryant_meng
09-19 1134
arXiv-2019。
Bag of Freebies for Training Object Detection Neural Networks学习笔记
何少的博客
01-08 1万+
论文：Bag of Freebies for Training Object Detection Neural Networks 发表日期：2019.2.11 github:GluonCV,模型的预训练权重可在GluonCV工具包中获得。 本文介绍一篇很棒的目标检测训练技巧论文。该论文是由Amazon Web Services 提出，其中作者团队中就有李沐等大神。之前Amazon还提出图像分类的T...
目标检测训练优化Tricks：《Bag of Freebies for Training Object Detection Neural Networks》
ouyangfushu的博客
03-20 3837
目标检测训练Tricks论文笔记 转载请注明出处：https://blog.csdn.net/ouyangfushu/article/details/88686189 作者：SyGoing QQ: 244679942 一、论文概述及创新点 深度学习中各种SOTA的模型除了网络架构设计的精妙之外，研究者在对模型进行训练的过程中也探索了很多有用的tricks，比如模型优化方法（SG...
Bag of Freebies for Training Object Detection Neural Networks
嘿芝麻的树洞
02-16 3009
李沐等将目标检测绝对精度提升 5%，不牺牲推理速度。 目标检测无疑是计算机视觉领域最前沿的应用之一，吸引了各个领域诸多研究者的目光。最前沿的检测器，包括类似 RCNN 的单（SSD 或 YOLO）或多阶神经网络都是基于图像分类骨干网络，如 VGG、ResNet、Inception 或 MobileNet 系列。 然而，由于模型容量和训练复杂度相对较高，目标检测受到的关注相对较少，从最近的训练微调研...
论文解读-Bag of Freebies for Training Object Detection Neural Networks
为之则易，不为则难
03-03 2681
文章目录1 动机2 改进点2.1 Visually Coherent Image Mixup3 总结4 参考资料 笔者在前面的博文中解读了文章“Bag of Tricks for Image Classification with Convolutional Neural Networks”，大家感兴趣的可以参见论文解读-Bag of Tricks for Image Classificatio...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值