arxiv:https://arxiv.org/abs/1903.10979

和DetNet（DetNet）目的相似,尋找更合適的目標(biāo)檢測(cè)backbone網(wǎng)絡(luò)。
基于one-shot supernet方法，進(jìn)行更好的backbone網(wǎng)絡(luò)搜索。
策略包括三部分，如下圖所示：
1.Supernet pre-training：使用ImageNet對(duì)網(wǎng)絡(luò)做分類預(yù)訓(xùn)練。
2.Supernet fine-tuning： 使用目標(biāo)檢測(cè)數(shù)據(jù)集（COCO/VOC）fine-tuning檢測(cè)網(wǎng)路(基于FPN結(jié)構(gòu)或RetinaNet)。
3.Search on the trained supernet： 進(jìn)行網(wǎng)絡(luò)搜索，使用（COCO/VOC）評(píng)價(jià)標(biāo)準(zhǔn)，進(jìn)行反饋，實(shí)現(xiàn)結(jié)構(gòu)更新。

訓(xùn)練用時(shí)：

DetNAS訓(xùn)練時(shí)間為44 GPU days，COCO數(shù)據(jù)集。

結(jié)果：

主要提出了DetNASNet和DetNASNet（3.8），更少的參數(shù)獲得了更高的MAP。

DetNASNet