本文总结了目标检测的模型设计与训练技巧，包括预训练模型的选择、检测头的改进、损失函数优化以及训练策略。实验表明，在特定场景下，FCOS模型优于FasterrCNN/Mask R-CNN，采用Decoupled Head和Focal Loss能显著提高mAP。此外，正样本选择策略如Centerness和SimOTA也有助于提升精度。在生产部署中，建议使用单阶段模型，如YOLO系列，以简化转换到ONNX和其它后端框架的过程。
最近因为工作原因系统地摸了一下目标检测，也在生产环境部署了一波。公司的数据当然是不能放出来的，记录一些心得帮后来人少走弯路吧。
结论放在最前：在torchvision官方的预训练模型里，fasterrcnn/maskrcnn指标比fcos更高，但在本文进行的所有实验中fcos显著强于其他模型，目前达到的效果：考虑类别的mAP 0.535，不考虑类别0.636。
实验说明：以下结论依赖公司内部训练数据，测试结果套用COCO API取得，报告mAP为mAP50（即预测和groundtruth的IoU匹配阈值取0.5），并非mAP50:95。我司使用的数据比COCO大很多也难很多，所以指标绝对值参考意义不大，看相对提升即可。
- 模型设计
a. 骨干网络
i. 骨干网络性能越强越好- resnext > resnet > mobilenet。从论文看ViT > CNN，但我没有尝试。
- resnext50_32x4d效果优于resnet50，收敛也更快，可以无缝替换。mAP可以提升3pt左右。
ii. 预训练模型能极大加快收敛。
iii. 使用预训练模型时，冻结底层参数，相比完全放开效果更好。 - 以resnet50为例，一般冻结5个阶段中的前2个。
b. 检测头，性能由弱到强，每一个改进都能大幅提升mAP
i. 初版仿yolo v1方案：无fpn，骨干网络接一层卷积，mAP~0.06
ii. faster rcnn原始设计：采用fpn，rpn head一层卷积，roi head两层mlp。mAP提升约8pt（0.06->0.14&#x
最低0.47元/天 解锁文章
623
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
