这篇论文看起来像是一种总结类文章,文中并没有提出新的结构模型之类,但是对于以前的一些做法进行了整合并应用于baseline中。也就是文中一再强调的“Bag of Freebies”,即在不改变模型结构并且不改变损失函数的情况下,不牺牲前向传播时间,将mAP提升近五个点。
论文主要贡献如下:
- 首次系统地评估了不同目标检测流程中应用的多种训练启发式方法,为未来的研究提供了有价值的实践指导。
- 提出了一种为训练目标检测网络而设计的视觉相干图像混合方法,而且证明该方法可以有效提升模型的泛化能力。
- 在不修改网络架构和损失函数的情况下,在现有模型的基础上实现了 5% 的绝对精度性能提升。而且这些提升都是「免费的午餐」,无需额外的推理成本。
- 扩展了目标检测数据增强领域的研究深度,显著增强了模型的泛化能力,减少了过拟合问题。这些实验还揭示了可以在不同网络架构中一致提高目标检测性能的良好技术。
接着一项项来说。
Visually Coherent Image Mixup for Object Detection
这里用到了mixup方法(Zhang H, Cisse M, Dauphin Y N, et al. mixup: Beyond empirical risk minimization[J]. arXiv preprint arXiv:1710.09412, 2017.),详细解释见
https://www.zhihu.com/question/67472285
这里也有一些我觉得比较惊艳的解释