开源 | CVPR2020 | 实时目标检测TTFNet采取高斯核的方式，提高了训练的学习率，减少了模型训练时间

论文地址：http://arxiv.org/pdf/1909.00700v3.pdf 代码：https://github.com/zjulearning/ttfnet 来源：浙江大学CAD&CG国家重点实验室 论文名称：Training-Time-Friendly Network for Real-Time Object Detection 原文作者：Zili Liu

下载完整原文，公众号回复：1909.00700

现有的目标检测很少能同时达到训练时间短、推理速度快、精度高等目的。为了在两者之间取得平衡，本文提出了训练时间友好网络(Training-Time-Friendly Network, TTFNet)。在这项工作中，首先从轻头、单级和无锚的设计开始，这使快速推理速度成为可能。然后，我们专注于缩短训练时间。在实验过程中发现，从带标注的盒子中编码更多的训练样本与增加批处理大小具有类似的作用，都有助于扩大学习率并加速训练过程。为此，本文提出了一种利用高斯核对训练样本进行编码的新方法。此外，为了更好地利用信息，设计了初始样本权值。在MS COCO上的实验表明，TTFNet在平衡训练时间、推理速度和准确性方面具有很大的优势。与以前的实时检测器相比，它减少了超过7倍的训练时间，同时表现SOTA。与此同时，TTFNet-18和TTFNet-53的超高速版本训练时间分别比SSD300和YOLOv3的训练时间少了1/10。

下面是论文具体框架结构以及实验结果：

声明：文章来自于网络，仅用于学习分享，版权归原作者所有，侵权请加上文微信联系删除。