【Google AI新论文EfficientDet】规模化高效化的物体检测，EfficientDet: Scalable and Efficient Object Detection(附pdf)

论文题目

EfficientDet: Scalable and Efficient Object Detection

论文摘要

模型的有效性在计算机视觉中变得越来越重要。本文系统地研究了用于目标检测的各种神经网络结构设计选择，并提出了几种提高效率的关键优化方法。首先，我们提出了一个加权的双向特征金字塔网络（BiFPN），它允许简单快速的多尺度特征融合；其次，我们提出了一个组合尺度方法，该方法可以同时对所有骨干网、特征网络和box/classprediction网络的分辨率、深度和宽度进行均匀的缩放。基于这些操作优化，我们开发了一个新的对象检测器家族，称为EfficientDet，它在资源约束的一个范围内始终比现有技术获得更高的效率。特别是，我们的EfficientDTET-D7在没有铃声和口哨声的情况下，实现了最先进的51.0 mAPon COCO数据集，拥有52M参数和326B触发器1，体积缩小了4倍，使用的触发器减少了9.3倍，但仍然比以前最好的检测器更精确（+0.3%mAP）。

论文作者

Mingxing Tan Ruoming Pang Quoc V. Le，Google人工智能团队