漯河新闻网

首页 > 正文

第四范式两次刷新PASCAL VOC物体检测世界纪录

www.china-direct.net2019-07-28

  近日,在国际顶级赛事PASCALVOC2012挑在战斗一般物体检测竞赛4任务中,第四范式分别采用多模型融合和单一模型,两天刷新任务检测得分两次,占总排名前两位。在该项目的20个子目标检测任务中,第四个范例在其中12个中取得了最好的成绩。

这两种竞争方案中使用的第四种范式,排名第一的方案引入了多层次深度迁移学习技术多模型融合方案,以提高识别准确性和鲁棒性;排名第二的自适应候选框提取方法的单模型解决方案具有高效,快速,更适合实际部署和应用的优点。

第四种范式基于不同的方案占据了竞争的前两位

PASCALVOC Challenge以其高质量,复杂场景,多样化目标和难以测试而闻名。它快速测试算法的有效性,并吸引国内外AI公司,大学和研究机构激烈竞争。目前,PASCALVOC数据集包括20个类别,包括人,动物,车辆和室内物体。在PASCALVOC的众多活动中,由于数据量最大,真实场景的复杂性和覆盖范围,2012挑战赛已成为衡量技术实力的标准。

检测和定位结果

多尺度测试策略是为了增进理解,并不是严格按照竞争对手绘制的。

在图像检测中,由于图像中的对象在大小上往往变化很大,因此参与者经常使用多尺度测试(4到6的多个尺度),即使用小图像来检测小物体。使用缩小版图像检测大对象。虽然多尺度检测方法对提高精度非常有效,但该方法存在占用大量计算资源和反馈延迟的缺点,严重影响了实际应用效果。

第四种范式基于第四范式AutoCV的简单易用原则。设计“自适应候选帧提取方法”以解决图像中不同对象之间的大规模差异问题。只有单个比例的图像输入可以达到或超过多尺度效果可以节省资源,同时确保准实时物体检测。

热门浏览
热门排行榜
热门标签
日期归档