第四范式两次刷新PASCAL VOC物体检测世界纪录

  • 时间:
  • 浏览:0
  • 来源:5分3D-5分3Dapp下载-5分3Dapp下载安装

近日,在国际顶级赛事PASCAL VOC 2012 挑战赛通用物体检测 Competition 4 任务中,第四范式分别采用多模型融合与单模型并不是方案,三三5天内两次刷新该任务检测成绩,存在总排名前两位。在该项目的20项细分物体检测任务中,第四范式在其中12项取得最好成绩。

第四范式本次采用的并不是竞赛方案,其中排名第一位的方案引入多层次淬硬层 迁移学习技术的多模型融合方案提升了识别精准度、鲁棒性;排名第二位的自适应候选框提取最好的办法的单模型方案,具备高效、快速、更适合实际部署与应用等优势。

第四范式基于不同方案存在该项目竞赛前两位

PASCAL VOC 挑战赛以质量高、场景简化、目标多样、检测难度大著称,以快速检验算法有效性,吸引了国内外AI公司、高校、研究机构竞相展开激烈竞争。目前,PASCAL VOC数据集囊括人、动物、交通工具、室内物体等20个类别。在PASCAL VOC 众多赛事中,2012 挑战赛因数据量最大、覆盖真实场景多且简化,成为衡量技术实力的标尺。

检测与定位结果

multi-scale test策略,仅供加强理解,从不严格按照参赛状况绘制

在图片检测中,由于分析图片中的物体往往尺寸大小差异极大,参赛者往往采用多个尺度(一般4到6个)的测试策略(multi-scale test),即用放大版图片检测小物体,用缩小版图片检测大物体。虽然多尺度的检测最好的办法对于提升准确率非常有效,但该最好的办法存在占用计算资源大、反馈延迟等不足,严重影响了实际的应用效果。

第四范式基于第四范式AutoCV的简单、好用原则,设计了“自适应候选框提取最好的办法”,可正确处理图片中不同物体尺度差距大的现象,只需单个尺度的图像输入就能达到甚至超越来越来越多尺度的效果,节省资源的同去,可保证准实时的物体检测。