We present an object detection framework based on PaddlePaddle. We put all the strategies together (multi-scale training, FPN, Cascade, Dcnv2, Non-local, libra loss) based on ResNet200-vd backbone. Our model score on public leaderboard comes to 0.6269 with single scale test. We proposed a new voting method called top-k voting-nms, based on the SoftNMS detection results. The voting method helps us merge all the models' results more easily and achieve 2nd place in the Google AI Open Images Object Detection Track 2019.
翻译：我们提出了一个基于 PaddlePadddle 的物体探测框架。 我们根据 ResNet200-vd 的骨干将所有策略( 多级培训、 FPN、 Cascade、 Dcnv2、 Dcnv2、 非本地、 libra loss) 组合在一起。 我们的公共领导板模型评分达到0.6269, 并进行单一规模测试。 我们根据 SoftNMS 检测结果提出了一个新的投票方法, 称为最高投票点。 投票方法帮助我们更容易地合并所有模型的结果, 并在 Google AI 开放图像物体探测轨道 2019 中达到第二位 。
相关内容
微信扫码咨询专知VIP会员