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。