SNIPER算法是SNIP的升级版，旨在减少多尺度训练的计算量。通过选择包含ground truth的positive chips和基于RPN网络的negative chips，SNIPER在减少背景处理的同时提升了目标检测的效果和速度。实验表明，SNIPER在保持良好检测性能的同时，显著降低了计算成本。
论文：SNIPER: Efficient Multi-Scale Training
论文链接：https://arxiv.org/abs/1805.09300
代码链接：https://github.com/MahyarNajibi/SNIPER
这篇文章是之前SNIP论文的升级，升级点在于减少SNIP的计算量。SNIP借鉴了multi-scale training的思想进行训练，multi-scale training是用图像金字塔作为模型的输入，这种做法虽然能够提高模型效果，但是计算量的增加也非常明显，因为模型需要处理每个scale图像的每个像素，而SNIPER（Scale Normalization for Image Pyramids with Efficient Resampling）算法通过引入context-regions（文中用chips表示，chip翻译过来就是碎片的意思，因为是从一张完整的图像中裁剪出多个chip，所以这个用词也比较形象），使得模型不再处理每个尺寸图像的每个像素点，而是选择那些对检测最有帮助的区域参与训练，这样就大大减少了计算量。这些chips主要分为两大类，一种是postivice chips，这些chips包含ground truth；另一种是从RPN网络输出的ROI抽样得到的negative chips，这些chips相当于是难分类的背景，而那些容易分类的背景就没必要进行多尺度训练了。因此模型最终只处理这些chips，而不是处理整张图像，这样就达到提升效果的同时提升速度（在单卡V100上，每秒能处理5张图像，这速度在two-stage类型的目标检测算法中其实并不算快，毕竟是基于多尺度图像训练，但是效果是真的好）。
因此这篇文章的核心内容就是关于如何选择positive
最低0.47元/天 解锁文章
扫一扫
390
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
