标签：cti 分辨率 https 深度 网络 参数 范围 系统 复合
摘要：
模型效率在计算机视觉中的地位越来越重要。本文系统地研究了目标检测的神经网络体系结构设计选择，并提出了几种提高效率的关键优化方法。首先，我们提出了一种加权双向特征金字塔网络（BiFPN），该网络允许简单快速的多尺度特征融合；其次，我们提出了一种复合尺度方法，该方法可以同时均匀地对所有骨干网、特征网络和box/类预测网络的分辨率、深度和宽度进行缩放。基于这些优化和EfficientNet主干网，我们开发了一个新的对象检测器家族EfficientDet，它在广泛的资源限制范围内始终比现有技术获得更好的效率。特别是，在单模型和单尺度的情况下，我们的EfficientDet7在COCO测试设备上实现了最先进的52.2 AP，具有52M参数和325B触发器1，比以前的检测器小4-9倍，使用的触发器比以前的检测器少13-42倍。代码可以在https://github.com/google/automl/tree/master/efficientset上找到。
EfficientDet：Scalable and Efficient Object Detection
标签：cti 分辨率 https 深度 网络 参数 范围 系统 复合
原文地址：https://www.cnblogs.com/2008nmj/p/12776357.html
