新的SOTA!谷歌团队通过复制粘贴实现目标检测新突破!

新的SOTA!谷歌团队通过复制粘贴实现目标检测新突破!

本文由林大佬原创，转载请注明出处，我们有来自腾讯、阿里等一线AI算法工程师组成微信交流群, 如果你想交流欢迎添加微信: jintianandmerry 拉群, 添加请备注 “交流群”

最近,谷歌大脑团队放出了一篇新的论文:

在文章末尾我会贴出论文链接和一些简短的个人评论, 还请大家多多指教.

先来看这篇论文实现的效果, 简单来说, 通过复制粘贴的数据曾广手段, 谷歌大脑团队发现可以很强的增加实例分割的各项指标,到底有多强?看这张图:

蓝色的线是你的augmentation,也就是普通的augmentation, 绿色的线是一个很强的augmentation, 然后红色的线就是Copy-Paste加很强的效果, 而这个gap最大可以达到10 AP!

很快啊, 上来一个strong aug, 一个copy-paste, 10AP就防出来了.

最神奇的是这个大招使用的方式还跟你我想象的不太一样. 你以为是在dataloader里面 直接复制随意粘贴? 可能不是的:

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-gNZMpIpw-1608105548108)(https://i.loli.net/2020/12/16/o8yGgMiTmVzXKhU.png)]

我认为作者可能生成了一个全新的数据集, 比如人可以站在长颈鹿的头上, 人可以在长劲鹿旁边踢足球等, 应有仅有的新场景… 而这些在原始的数据集,甚至是现实生活中都不太可能出现的…

这让我不由得想起了这张图啊:

神经网络内心OS: 你TM这是在故意为难我!!!

不过貌似在实例分割领域不存在这个问题, 因为我们按照个体去区分, 在这个个体里面则不太会存在歧义的问题.

复制粘贴技术创造了新的SOTA!

最新的cooc SOTA已经产生:

https://paperswithcode.com/sota/object-detection-on-coco

以57.3的成绩超过了刚刚刷新记录的Yolov4-P7 (55.8). 让我们不紧在感叹, coco test-dev的mAP超过60似乎也不远了. 另外值得一提的是, 这个复制粘贴的新技术还同样适用于语义分割!

总结

总的来说, 这个技术是一个即插即用,无痛涨点的技术, 估计过不了多久, 在Tensorflow的官方仓库里面就会有源码了, tensorflower可以期待一波!

更多

如果你想学习人工智能，对前沿的AI技术比较感兴趣，可以加入我们的知识星球，获取第一时间资讯，前沿学术动态，业界新闻等等！你的支持将会鼓励我们更频繁的创作，我们也会帮助你开启更深入的深度学习之旅！

往期文章

https://zhuanlan.zhihu.com/p/165009477

https://zhuanlan.zhihu.com/p/149398749

https://zhuanlan.zhihu.com/p/147622974

https://zhuanlan.zhihu.com/p/144727162