飞桨开源Open Images Dataset V5目标检测比赛最好单模型MSF-DET

目标检测是计算机视觉领域中的核心任务。Open Images Dataset V5(OIDV5)是目前规模最大的目标检测公开数据集[1]。基于飞桨（PaddlePaddle）的PaddleDetection目标模型库[2]，百度研发了大规模图像目标检测模型MSF-DET (Multi-Strategy Fused Detection framework)，是Google举办的Open Images Dataset V5 (OIDV5) 2019目标检测比赛中的最好单模型，并且在计算机视觉领域的顶级学术会议ICCV 2019上进行技术分享。

 

近日，飞桨开源了比赛中使用的MSF-DET，助力大规模图像目标检测算法的研究探索和落地应用。

 

Google AI Open Images 2019比赛地址：

https://www.kaggle.com/c/open-images-2019-object-detection/

GitHub地址：

https://github.com/PaddlePaddle/PaddleDetection/blob/master/docs/OIDV5_BASELINE_MODEL.md

技术报告论文地址：

https://arxiv.org/pdf/1911.07171.pdf

 

01

比赛介绍

Google AI Open Images 2019是Google在2019年举办的大规模目标检测比赛，数据集为Open Images Dataset V5数据集(OIDV5)。OIDV5训练集包含170万张图像，覆盖500个类别，有超过1400万个标注的检测框，是目前已知的最大的目标检测开源数据集，检测图像和标注边框示例图如下图所示。

OIDV5的类别不均衡的现象比较严重[3]，有些类别，如Clothing, Flower等，包含上百万个标注边框，而像Hair Dryer等类别仅包含上百个标注边框。不同类别的标注框数量如下图所示，这也造成了模型训练难以收敛的问题。

 

02

MSF-DET模型结构

 

该模型融合了当前较优的目标检测方法，包括Cascade RCNN[4], Feature Pyramid Networks[5], Deformable ConvNets V2[6],Non-local Networks[7],以ResNet200-vd[8]作为骨干网络, 模型结构如下。

ResNet由于其结构简洁、性能很好而被广泛应用于许多深度学习任务中；同时它也有很多变体，下图展示了ResNet的vb、vc和vd结构[9]，其中，vd结构在分类和检测等任务上具有更优的性能ÿ