Bag of Freebies for Training Object Detection Neural Networks论文笔记

       本文主要介绍了很多Bag of Freebies的方法,所谓Bag of Freebies就是在不增加推理成本的情况下,能够提高检测精度的方法。

 

        Bag of freebies:

        (1) 混淆图像

             mixup在图像分类中被证实了能够有效减小对抗性扰动。其核心思想就是通过混合训练集中图像的像素这种简单线性变化来调整神经网络。例如:

       (2)平滑标签

                原来的qi是独热码,即当i = y时为1,i != y时为0。标签平滑过后:

                                              

               可以降低模型的可信度,有效防止过拟合。

       (3)数据处理 

                 随机几何变换。包括随机裁剪(有约束),随机展开,随机水平翻转,随机调整大小。

                 随机颜色调整。包括亮度,色度,饱和度和对比度的调整。

 训练计划的改进:

                  Cosine型学习率下降。

                  Warmup learning rate:在初始先使用小的学习率进行训练,等模型符合一定条件后,再换用较大学习率进行训练。

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值