In this paper, we propose an efficient and fast object detector which can process hundreds of frames per second. To achieve this goal we investigate three main aspects of the object detection framework: network architecture, loss function and training data (labeled and unlabeled). In order to obtain compact network architecture, we introduce various improvements, based on recent work, to develop an architecture which is computationally light-weight and achieves a reasonable performance. To further improve the performance, while keeping the complexity same, we utilize distillation loss function. Using distillation loss we transfer the knowledge of a more accurate teacher network to proposed light-weight student network. We propose various innovations to make distillation efficient for the proposed one stage detector pipeline: objectness scaled distillation loss, feature map non-maximal suppression and a single unified distillation loss function for detection. Finally, building upon the distillation loss, we explore how much can we push the performance by utilizing the unlabeled data. We train our model with unlabeled data using the soft labels of the teacher network. Our final network consists of 10x fewer parameters than the VGG based object detection network and it achieves a speed of more than 200 FPS and proposed changes improve the detection accuracy by 14 mAP over the baseline on Pascal dataset.

5
下载
关闭预览

相关内容

因果图,Causal Graphs,52页ppt
专知会员服务
177+阅读 · 2020年4月19日
专知会员服务
48+阅读 · 2020年3月19日
TensorFlow 2.0 学习资源汇总
专知会员服务
53+阅读 · 2019年10月9日
Transferring Knowledge across Learning Processes
CreateAMind
8+阅读 · 2019年5月18日
Single-Shot Object Detection with Enriched Semantics
统计学习与视觉计算组
13+阅读 · 2018年8月29日
【推荐】YOLO实时目标检测(6fps)
机器学习研究会
18+阅读 · 2017年11月5日
EfficientDet: Scalable and Efficient Object Detection
Arxiv
5+阅读 · 2019年11月20日
Clustered Object Detection in Aerial Images
Arxiv
5+阅读 · 2019年8月27日
Arxiv
6+阅读 · 2018年7月9日
Arxiv
6+阅读 · 2018年4月12日
Arxiv
5+阅读 · 2018年3月19日
小贴士
相关论文
EfficientDet: Scalable and Efficient Object Detection
Arxiv
5+阅读 · 2019年11月20日
Clustered Object Detection in Aerial Images
Arxiv
5+阅读 · 2019年8月27日
Arxiv
6+阅读 · 2018年7月9日
Arxiv
6+阅读 · 2018年4月12日
Arxiv
5+阅读 · 2018年3月19日
相关资讯
Transferring Knowledge across Learning Processes
CreateAMind
8+阅读 · 2019年5月18日
Single-Shot Object Detection with Enriched Semantics
统计学习与视觉计算组
13+阅读 · 2018年8月29日
【推荐】YOLO实时目标检测(6fps)
机器学习研究会
18+阅读 · 2017年11月5日
Top
微信扫码咨询专知VIP会员