YOLO系列回顾
目标检测网络优化策略
标红的为PP-YOLO使用的优化策略
数据增强—Image Mixup
学习策略—Label Smooth
学习策略—IoU Loss
学习策略—IoU Aware
学习策略—Grid Sensitive
训练策略—Synchronized Batch Norm(多卡训练,卡间同步批归一化)
训练策略—Exponential Moving Average(指数滑动平均)
训练策略—Larger Batch Size
网络结构—骨干网络ResNet50vd-DCN
网络结构—骨干网络SSLD(简单半监督骨干网络预训练权重)
网络结构—Deformable Conv(可变形卷积)
网络结构—Drop Block
网络结构—cooder conv
解决信息不全时无法准确识别问题(图像只给出了目标的部分信息,会是的检测效果变差)
网络结构—SPP
后处理—Matrix NMS
soft NMS虽然保留了一些有效框,但增加了计算复杂度(以前被滤除的框,现在保留下来,参与了后面的计算)。故通过矩阵的方式对其进行并行计算。