【目标检测】开源|Hit-Detector应用于目标检测任务，COCO数据集仅用27M的参数量，便可以得到41.4 mAP

论文地址：http://arxiv.org/pdf/2003.11818v1.pdf 代码：https://github.com/ggjy/hitdet.pytorch. 来源：北京大学 论文名称：Hit-Detector: Hierarchical Trinity Architecture Search for Object Detection 原文作者：Jianyuan Guo

神经结构搜索NAS在图像识别任务中已经取得了巨大的成功，Hit-Detector则是将NAS应用在更为复杂的目标检测任务中。目前已经有研究人员尝试将NAS应用在目标检测任务，但是大部分的目标检测中应用NAS只关注搜索检测网络的Backbone或者特征融合方式，而检测网络的其他component仍然由人工设计，在本文中认为这种NAS与人工设计结合的方式会限制检测网络的性能。为了解决这个问题，本文提出一个层次化的三位一体搜索框架Hit-Detector，它不但可以同时搜索检测网络的backbone、neck和head，而且还可以知道backbone、neck和head分别喜欢用哪些操作来组成自己。Hit-Detector的实验结果非常优秀，在没有bells and whistles的情况下，COCO数据集仅用27M的参数量，便可以得到41.4 mAP。

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。