NeurIPS 2021 | 寻MixTraining: 一种全新的物体检测训练范式

论文链接： https://arxiv.org/abs/2111.03056 代码链接（即将开源）： https://github.com/MendelXu/MixTraining

物体检测是计算机视觉中的基础课题。经典的物体检测器通常采用单一的数据增强策略，并简单地使用人工标注的物体包围盒来进行训练，这种训练策略也被称为 SiTraining 范式。在本篇论文中，微软亚洲研究院的研究员们提出了一种全新的物体检测训练范式：MixTraining。该范式通过引入 Mixed Training Targets（混合训练目标）与 Mixed Data Augmentation(混合数据增广)，可以有效提升现有物体检测器性能，并且不会在测试阶段增加任何额外的开销。如表4所示，MixTraining 能够将基于 ResNet-50 的 Faster R-CNN 的检测精度从41.7mAP 提升至44.3 mAP，并将基于 Swin-S 的 Cascade R-CNN 的检测精度从 50.9mAP 提升至 52.8mAP。