TTFNet | 提高训练效率的实时目标检测（附源码）

计算机视觉研究院专栏

作者：Edison_G

在目标检测模型的training time, inference speed, 和accuracy之间寻找trade off，重点关注如何在保持另外两个指标的情况下，减少模型的训练时间。

启示：

1、单纯的数据扩增能增加数据数量，但也会降低数据质量，导致需更多的训练时间才会收敛；

2、根据Linear Scaling Rule，学习率与batchsize一般情况下呈线性正比，增加高质量的sample也能起到类似batchsize的作用，从而可以提高学习率，缩短模型训练时间；

3、在精度方面，实验显示res18下与CenterNet都在COCO上达到了28.1的mAP，但0.5的mAP比CenterNet低了1个点左右，0.75的mAP比CenterNet高了0.6个点，所以猜测TTFNet可能检测出的bbox更加紧凑，因此提高了mAP。