论文地址: https://openaccess.thecvf.com/content_ICCV_2019/papers/Shao_Objects365_A_Large-Scale_High-Quality_Dataset_for_Object_Detection_ICCV_2019_paper.pdf
代码: www.objects365.org
来源: 旷视科技
论文名称:Objects365 A Large-scale, High-quality Dataset for Object Detection
原文作者:Shuai Shao
内容提要
本文引入了一个新的大规模目标检测数据集Objects365,它有365个目标类别,超过600K的训练图像。通过精心设计的三步注释管道,手工标注了超过1000万个高质量的边框。它是迄今为止最大的目标检测数据集(带有完整的注释),为社区建立了更具挑战性的基准。Objects365作为一个更好的特征学习数据集,用于对位置敏感的任务,如目标检测和语义分割。在COCO benchmark上,基于90K迭代的标准设置,Objects365预训练模型显著优于ImageNet预训练模型,提高5.6分(42 vs 36.4)。即使与540K迭代这样的长时间训练相比,我们的90K迭代的Objects365预训练模型仍然有2.7点增益(42 vs 39.3)。同时,在达到相同精度的情况下,微调时间可大大缩短(高达10倍)。在CityPersons、VOC分割和ADE任务上也验证了Object365具有较好的泛化能力。
主要框架及实验结果
声明:文章来自于网络,仅用于学习分享,版权归原作者所有,侵权请加上文微信联系删除。