Um guia para selecionar uma arquitetura de detecção: R-CNN, R-FCN e SSD mais rápidos
SH Tsang Blocked Unblock Seguir Seguindo 11 de janeiro
Neste momento, o G-RMI , o Google Research e o Machine Intelligence , que ganhou o 1º lugar no desafio de detecção do MS COCO 2016, é revisado. G-RMI é o nome da equipe que atende o desafio. Não é um nome para uma abordagem proposta. Porque eles não têm nenhuma ideia inovadora, como modificar a arquitetura de aprendizagem profunda para vencer o desafio. O nome do papel chamado “Conferências de velocidade / precisão para detectores modernos de objetos convolucionais” também nos dá algumas dicas de que, eles investigaram sistematicamente em diferentes tipos de detectores de objetos e extratores de características. Especificamente:
- 3 Detectores de objeto (meta-arquitetura) : R-CNN , R-FCN e SSD mais rápidos
- 6 Extratores de recursos : VGG-16 , ResNet-101 , Inception-v2 , Inception-v3 , Inception-ResNet-v2 e MobileNet
Eles também analisaram os efeitos de outros parâmetros, como tamanhos de imagens de entrada e número de propostas de regiões. Finalmente, um conjunto de vários modelos alcançou os resultados de ponta e ganhou o desafio. E é publicado em 2017 CVPR com mais de 400 citações . ( SH Tsang @ Medium)