【目标检测】开源 | 一个更强的YOLOv3 baseline， COCO数据集60 FPS时达到了38.1％AP

论文地址：http://arxiv.org/pdf/1911.09516v2.pdf 代码：https://github.com/ruinmessi/asff 来源：北京航空航天大学 论文名称：Learning Spatial Fusion for Single-Shot Object Detection 原文作者：Songtao Liu

在目标检测中，特征金字塔表示是解决尺度变化问题的常用方法。但是，对于基于特征金字塔的单发检测器来说，主要限制是不同特征尺度之间的不一致性。在本文中，提出了一种新的数据驱动的特征金字塔融合策略，称为自适应空间特征融合（ASFF）。该策略学习空间上过滤冲突信息以此抑制不一致性，从而改善了特征的比例不变性，并且推理消耗资源少。借助ASFF策略和可靠的YOLOv3基线，这种方法在MS COCO数据集上实现了最佳的速度与精度的结合，在60 FPS时达到了38.1％AP，在45 FPS时达到了42.4％AP，在29 FPS时达到了43.9％AP。

下面是论文具体框架结构以及实验结果：

声明：文章来自于网络，仅用于学习分享，版权归原作者所有，侵权请联系删除。