谷歌人工智能开源效率检测最新的物体检测

1、谷歌大脑团队和谷歌人工智能成员本周开放了高效检测的源代码。EfficientDet是一款AI工具，无需任何计算就能实现最高级的物体检测。该系统的创始人表示，当与其他流行的异物检测模型(如YOLO或阿米巴网络)一起使用时，它也可以在与处理器或图形处理器一起使用时实现更快的性能。

2、在执行另一个与对象检测相关的任务语义分割任务时，EfficientDet也能取得出色的性能。在PASCAL视觉对象挑战数据集上进行了语义分割实验。

3、EfficientDet是EfficientNet的下一代版本，它是去年在Coral board中使用的一系列高级对象检测模型。谷歌工程师谭明明、谷歌工程师彭若明和Quoc Le在去年秋天首次发表的一篇论文中详细介绍了EfficientDet，但在周日，他们对其进行了修改和更新，加入了代码。

4、“这项研究旨在优化准确性和效率，我们希望开发一系列能够满足广泛资源限制的模型。”研究了目标检测神经网络的体系结构设计。

5、作者认为现有的变焦目标检测方法通常牺牲精度或占用大量资源。EfficientDet通过“统一扩展所有主干网络、特征网络和帧/类预测网络的分辨率、深度和宽度”，实现了在边缘或云中部署对象检测的更便宜、更消耗资源的方式。同时。'

6、Reading:“庞大的模型尺寸和昂贵的计算成本阻碍了它们在许多实际应用中的部署，例如机器人和自动驾驶汽车，其中模型尺寸和等待时间受到严格限制。”“鉴于现实世界中的这些资源限制，模型效率对于对象检测变得越来越重要。”

7、《效率网》的优化灵感来源于谭、在《效率网》上的原创作品。建议骨干网和功能网合并，规模扩大。在EfficientDet中，以双向特征金字塔网络(BiFPN)作为特征网络，以ImageNet预训练的EfficientNet作为骨干网络。

8、高效检测通过删除只有一条输入边的节点来创建更简单的双向网络，从而部分优化跨尺度连接。它还取决于主检测器的例子，主检测器是以其效率和简单性而闻名的物体检测器。

9、论文写道：“我们建议在特征融合的过程中给每个输入增加额外的权重，让网络学习每个输入特征的重要性。”

10、这是来自谷歌的最新物体探测新闻。该公司的谷歌云视觉对象检测系统最近删除了其公共应用程序编程界面的男性和女性标签选项。