【论文笔记】：SNIPER: Efficient Multi-Scale Training

本文链接：https://blog.csdn.net/qq_41375609/article/details/95923782

SNIPER是一种解决目标检测中多尺度训练效率低下的方法，通过生成正负芯片，针对目标尺度自适应采样，提高了训练速度和效果。论文指出，忽略极端尺度的目标有助于加速训练，同时保持良好性能。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

&Title:

SNIPER: Efficient Multi-Scale Training
SNIPER- Efficient Multi-Scale Training（中文翻译）

&Summary

目前的目标检测架构都是对输入图像的所有像素进行操作，从而产生proposals等，当采用多尺寸的图像金字塔时，所需的存储空间很大，在训练时，单一GPU上能训练的图像数量很小（取决于GPU的显存和图像的分辨率），这样就造成了batch size很小，从而使训练时间很长。

但是现研究表明再进行多尺度训练的时候，实际上忽略一部分过大或者过小的目标是比较有利的。那这样的话，作者就认为我们每次都将全部图片都进行上下采样得到多尺度金字塔实际上没有必要。我们实际上可以用包围小目标的较小尺寸的图片碎片来进行训练和测试就可以加速训练和测试过程（SNIP的算法）。但在使用小图片来识别小目标的时候，由于小图片的上下文信息比较少，一般来说会提高假阳性率(false positive)。如何去平衡这个上下文信息和加速训练间的关系就是这篇文章的中心。
因此作者提出了一种新的训练思路：先粗略定位一下正负例所在的区域，然后以该区域内的像素信息作为卷积网络的输入，再精确检测出该区域内的所有正例和负例。