效率检测 swMATH编号： 40818 软件作者： Tan Mingxing、Pang Ruoming、Quoc V.Le 描述： EfficientDet：可扩展且高效的对象检测。模型效率在计算机视觉中变得越来越重要。在本文中，我们系统地研究了用于目标检测的神经网络体系结构设计选择，并提出了几个关键优化以提高效率。首先，我们提出了一种加权双向特征金字塔网络（BiFPN），它允许简单快速的多尺度特征融合；其次，我们提出了一种复合缩放方法，可以同时均匀缩放所有主干、特征网络和盒/类预测网络的分辨率、深度和宽度。基于这些优化和更好的主干，我们开发了一个新的对象检测器系列，称为EfficientDet，它在广泛的资源约束中始终比现有技术实现更好的效率。特别是，我们的EfficientDet-D7采用单一型号和单一规模，在COCO测试平台上实现了最先进的55.1 AP，具有77M参数和410B FLOP，比以前的探测器小4x-9倍，使用的FLOP少13x-42倍。代码位于https://github.com/google/automl/tree/master/efficientdet 主页： https://arxiv.org/abs/1911.09070 源代码： https://github.com/google/automl/tree/master/efficientdet 相关软件： SqueezeNet公司;效率网;YOLO公司;固态硬盘;YOLOv4公司;移动网络;混洗网;MobileNetV2手机;MS-COCO公司;更快的R-CNN;ImageNet公司;苹果汁;BLEU公司;亚当;胭脂;AMC公司;CCNet公司;AlexNet公司;中心网;哥伦比亚广播公司 引用于： 2文件 4位作者引用 1 韩洪贵 1 任坤 1 理查德·塞利斯基 1 陶庆阳 2篇连载文章中引用 1 富兰克林研究所期刊 1 计算机科学课文 在1个字段中引用 2 计算机科学（68至XX） 按年份列出的引文