OneNet:走向端到端的一阶段对象检测 不同标签分配方法的比较。 H和W分别是特征图的高度和宽度,K是对象类别的数量。 先前关于一级目标检测的工作仅通过位置成本来分配标签,例如(a)盒子IoU或(b)样本与地面真相之间的点距离。 但是,在我们的方法中,另外引入了(c)分类成本。 我们发现分类成本是端到端成功的关键。 没有分类成本,仅位置成本会导致推理中具有较高置信度分数的冗余框,从而使NMS后处理成为必需的组件。 介绍 更新 (11/12/2020)通过禁用渐变剪辑报告了OneNet的更高性能。 即将来临 提供模型和日志 支持caffe,onnx,tensorRT 对MobileNet的支持 楷模 我们提供两种型号 dcn是高精度的 nodcn易于部署。 方法 inf_time train_time 盒式AP 下载 109帧 20小时 29.5 138帧 13小时 2