CVPRApr, 2019
NAS-FPN:学习可扩展的特征金字塔架构用于目标检测
NAS-FPN: Learning Scalable Feature Pyramid Architecture for Object Detection
Golnaz Ghiasi, Tsung-Yi Lin, Ruoming Pang, Quoc V. Le
TL;DR本文介绍了使用神经架构搜索方法学习目标检测特征金字塔网络的新架构 NAS-FPN。NAS-FPN 采用自下而上和自上而下的连接方式,通过结合 RetinaNet 框架中的各种骨干模型,相比当前最先进的目标检测模型,在精度和延迟的交易方面取得更好的效果。NAS-FPN 在移动检测精度方面比 [32] 中的最先进的 SSDLite with MobileNetV2 模型提高 2 个方差值,并以更少的计算时间实现了 48.3 的检测精度,超过了 Mask R-CNN [10] 的检测精度。