基于遗传算法的目标检测模型的迁移学习方法
伊藤良治 * ,Hajime Nobuhara * 和加藤茂 **
[1] 邹总,石总,郭玉云,叶坚,“20年来的物体检测:一项调查”,arXiv:1905.050552019。 [2] W.Liu、S.Chen和L.Wei,“使用转移学习改进街道目标检测:从通用模型到特定模型”,《高级计算杂志》。 智力。 智力。 通知。, 第22卷,第6期,第869-874页,2018年。 [3] J.Liu,“基于目标检测的番茄产量估算”,J.Adv.Compute。 智力。 智力。 通知。, 第22卷,第7期,第1120-11252018页。 [4] A.Krizhevsky、I.Sutskever和G.E.Hinton,“深度卷积神经网络的ImageNet分类”,F.Pereira、C.J.C.Burges、L.Bottou和K.Q.Weinberger(编辑),《神经信息处理系统进展25》(NIPS),第1097-11052012页。 [5] L.Jiao、F.Zhang、F.Liu、S.Yang、L.Li、Z.Feng和R.Qu,“基于深度学习的目标检测综述”,IEEE Access,第7卷,第128837-128868页,2019年。 [6] S.J.Pan和Q.Yang,“迁移学习调查”,IEEE Trans。 知识与数据工程,第22卷,第10期,第1345-1359页,2010年。 [7] Y.Sawada和K.Kozuka,“小规模数据集深层神经网络的整层转移学习”,《机器学习与计算国际期刊》,第6卷第1期,第27-31页,2016年。 [8] H.Zunair、N.Mohammed和S.Momen,“非传统智慧:应用于孟加拉语数字分类的新迁移学习方法”,孟加拉语语音和语言处理国际会议,2018年。 [9] S.Imai和H.Nobuhara,“逐步路径网:改进网络结构多功能性的转移学习算法”,IEEE系统、人和控制论(SMC)国际会议,第918-922页,2018年。 [10] A.M.Thengade和R.Dondal,“遗传算法——调查论文”,MPGI国家多方会议(MPGINMC),第25-29页,2012年。 [11] S.Nagae、S.Kawai和H.Nobuhara,“使用遗传算法选择转移学习层”,IEEE进化计算大会(CEC),2020年。 [12] S.Nagae、D.Kanda、S.Kawai和H.Nobuhara,“用于转移学习和层有效性定量评估的自动层选择”,《神经计算》,第469卷,第151-162页,2022年。 [13] A.Krizhevsky,“从微小图像中学习多层特征”,多伦多大学硕士论文,2009年。 [14] M.Tan、R.Pang和Q.V.Le,“Efficientdet:可扩展和高效的对象检测”,Proc。 IEEE/CVF计算机视觉和模式识别会议(CVPR),第10781-10790页,2020年。 [15] T.-Y.Lin、M.Maire、S.Belongie、J.Hays、P.Perona、D.Ramanan、P.Dollár和C.L.Zitnick,“微软COCO:上下文中的通用对象”,D.Fleet、T.Pajdla、B.Schiele和T.Tuytelaars(编辑),“计算机视觉–ECCV 2014”,第740-755页,Springer Cham,2014年。 [16] E.David、S.Madec、P.Sadeghi-Tehran、H.Aasen、B.Zheng、S.Liu、N.Kirchgessner、G.Ishikawa、K.Nagasawa和M.A.Badhon,“全球麦穗检测(GWHD)数据集:一个大而多样的高分辨率RGB标记图像数据集,用于开发和基准麦穗检测方法”,《植物物候学》,第3521852条,2020年。 [17] I.Ryuji、N.Hajime和K.Shigeru,“基于遗传算法的目标检测传输学习自动层选择”,第七届高级计算智能和智能信息学国际研讨会,第M2-3-5号,2021年。 [18] M.Tan和Q.Le,“效率网:卷积神经网络模型缩放的重新思考”,Proc。 第36届国际机器学习大会(PMLR),第97卷,第6105-6114页,2019年。 [19] T.DeVries和G.W.Taylor,“带截断的卷积神经网络的改进正则化”,arXiv:1708.045522017年。 [20] S.Yun、D.Han、S.J.Oh、S.Chun、J.Choe和Y.Yoo,“Cutmix:训练具有本地化特征的强大分类器的正则化策略”,Proc。 IEEE/CVF计算机视觉国际会议(ICCV),第6023-6032页,2019年。 [21]I.Loshchilov和F.Hutter,“解耦重量衰减正则化”,学习表征国际会议,2019年。 [22]“全球小麦检测” https://www.kaggle.com/c/global-wheat-detection网站 【2022年3月15日访问】