【目标检测】开源 | 不需要任何推理成本，不需要更改检测器的情况下，目标检测器性能提高1.0 AP！

论文地址： http://arxiv.org/pdf/2012.12645v2.pdf

代码： 公众号回复：09111141164

来源： 昆士兰科技大学，昆士兰大学

论文名称：SWA Object Detection

原文作者：Haoyang Zhang

内容提要

在不需要任何推理成本和对检测器的任何更改的情况下，你想将目标检测器提高1.0 AP吗？本文告诉你这非常简单：使用循环学习率训练您的检测器以获得额外的12个epoch，然后将这12个检查点平均为您的最终检测模型。这种有效的方法是受文献中提出的随机权重平均(SWA)的启发，该方法用于改进深度神经网络的泛化。我们发现它在目标检测方面也非常有效。在本文中，我们系统地研究了SWA应用于目标检测和实例分割的效果。通过广泛的实验，我们发现了在目标检测中执行SWA的良好策略，并且在具有挑战性的COCO基准测试中，我们始终比各种流行的检测器实现1.0 AP的改进。我们希望更多的目标检测研究人员了解这项技术，并帮助他们训练出更好的目标检测器。

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。