DOSD用scratch的方式训练通用目标检测，性能很高

推荐一篇今年ICCV上基于DenseNet的general object detection的工作。这是目前已知的第一篇在完全脱离ImageNet pre-train模型的情况下使用deep model在有限的训练数据前提下能做到state-of-the-art performance的工作，同时模型参数相比其他方法也要小很多，最小的一个模型参数只有5.9M，在VOC 2007 test set上可以达到73.6mAP，代码和模型都已经开源，欢迎大家关注和意见。

DSOD: Learning Deeply Supervised Object Detectors from Scratch
arXiv: https://arxiv.org/abs/1708.01241

Github: https://github.com/szq0214/DSOD

作者：沈志强
链接：https://www.zhihu.com/question/62533482/answer/209031967
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。

转载于:https://www.cnblogs.com/haiyang21/p/9921128.html