您好、欢迎来到现金彩票网!
当前位置:刘伯温预言 > 图像变换 >

刷新COCO目标检测纪录!谷歌只靠AI扩增数据就把一个模型变成SOTA

发布时间:2019-07-18 04:05 来源:未知 编辑:admin

  但自从团队用机器学习解锁了特别的数据扩增策略,再用自动扩增来的新数据集训练目标检测模型,事情就完全不同了。

  模型在COCO目标检测任务上,拿到了50.7 mAP的最高分,刷新从前的纪录。

  谷歌的方法,并没有改变模型本身,但有效提升了准确率,+2.3 mAP以上。

  团队还强调,AI在COCO数据集里学到的扩增策略,直接迁移到其他数据集上,同样可以提升准确率。

  有应用在整张图片上、但不会影响边界框的那种变换,比如从图像分类里借来的颜色变换 (Color Transformations)。

  也有不影响整张图片、但改变边界框位置的那种变换,比如图像翻译 (Translating) 或剪切 (Shearing) 。

  研究人员说,当变换的数量越来越庞大的时候,就很难手动把它们有效组合到一起了。

  团队把数据扩增搜索 (Data Augmentation Search) 看做一个离散的优化问题,优化的是模型的泛化表现。

  在自家的另一篇论文 (arXiv:1805.09501) 基础上,把重点转移到针对目标检测的扩增策略上。

  比起图像分类任务的数据扩增,目标检测的难点在于,要保持边界框和发生形变的图像之间的一致性 (Consistency) 。

  而边界框的标注,也为数据扩增提供了一种新的方式:只在边界框里面修改图像。就像上文讲的那样。

  另外,团队还探索了在图片发生几何变换 (Geometric Transformations) 的情况下,怎样去改变边界框的位置。

  另外,每个运算还和两个超参数相关联,一个是代表应用这个运算的可能性 (Probability) ,二是这个运算的大小 (Magnitude) 。

  一是在COCO目标检测中,以50.7 mAP拔得头筹,(比策略训练前) 提升了2.3 mAP。

  在经济下行之际,腾讯、京东、百度等大公司在不断调整,中小公司的日子也不好过,内部冲突加剧。详细

  YouTube被收购13年,估值从16.5亿美金到突破千亿,这个功劳给Google,没毛病。详细

  各地加大生活垃圾分类的推行力度,将给相关行业带来哪些新机会?详细

http://3dtvsource.com/tuxiangbianhuan/511.html
锟斤拷锟斤拷锟斤拷QQ微锟斤拷锟斤拷锟斤拷锟斤拷锟斤拷锟斤拷微锟斤拷
关于我们|联系我们|版权声明|网站地图|
Copyright © 2002-2019 现金彩票 版权所有