GluonCV 0.2 — 计算机视觉工具包第二版

GluonCV 0.2 — 计算机视觉工具包第二版

李沐

​关注他

146 人赞了该文章

作者： 

@解浚源

简介

今年四月我们发布了基于Gluon的计算机视觉工具包GluonCV，里面包含了图像识别，图像分割，和物体检测的最新算法复现和预训练模型。

经过丹师们两个月的努力，我们终于完成了GluonCV的第二个版本。这个版本主要包括以下几个亮点：

• 重新训练过的图像识别模型，精度从75.8%提升到了77.2%，以及新的ResNet变种V1b。
• 物体检测算法Faster-RCNN。
• 图像分割算法PSPNet。

图像识别

一转眼从AlexNet发布已经过去六年了，但是图像识别算法的炼丹技巧还在不断改进。为了跟上最新的进展，我们加入了若干新技巧，将ResNet 50精度提升了1.4%：

• 图像预处理的时候，用bilinear而不是bicubic进行缩放。
• 预测的时候，保持图像比例并剪裁下中间的正方形区域。在0.1里则是剪裁一个长方形后再缩放成正方形。这两个改动将精度从75.8%提高到76.2%。
• 参照Training ImageNet in 1 Hour论文，用1024或2048的batch size，加入5个epoch的learning rate warmup， 最后把每个bottleneck block的最后一个batchnrom层的gamma参数初始化为0。这些技巧将精度从76.2%提高到76.5%。
• 参照SGDR论文，用cosine schedule或cosine schedule代替step schedule来调整learning rate。这个改动将精度从76.5%提高到77.2%。

在0.2版里，我们用这些技巧重新训练了ResNetV1，ResNetV2，和MobileNet模型。另外我们还加入了一个ResNet的新变种：ResNetV1b。这个版本的ResNet比V1精度高，比V2速度快，另外还更适合用于迁移学习。

物体检测

在0.1版里我们加入了SSD物体检测算法。SSD的特点是速度快，但是精度相对较低，尤其是在小物体的检测上。这次我们加入了和SSD互补的Faster-RCNN算法，特点是精度高，但是速度较慢。

目前的Faster-RCNN实现是原始版本，精度高于原始论文，但是比加入了各种优化的最新版本要低一些，这是我们在下一个版本将主要解决的问题。GluonCV的0.3版本将包含Faster-RCNN，Mask-RCNN，FPN的最新改进。

图像分割

0.2版本加入了PSPNet算法，精度比0.1里的FCN更高。下一个版本我们会加入精度更高的模型，并且会考虑加入CityScape数据集上的预训练模型。

讨论请点这里

发布于 13:41