谷歌大腦及AI團隊,在本周發(fā)布了一個叫EfficientDet(高效檢測)的人工智能系統(tǒng)。這個系統(tǒng),實現(xiàn)較少的計算,獲得更高效的檢測目標。
該系統(tǒng)的創(chuàng)建者表示,與YOLO或AmoebaNet等其他流行的檢測模型相比,該系統(tǒng)與CPU或者GPU一起使用時,還能實現(xiàn)更快的性能。在進行另一項與目標檢測相關的任務時,EfficientDet也取得了優(yōu)異的性能。利用PASCAL可視化對象,訓練數(shù)據(jù)集,從而進行語義分割實驗。
據(jù)了解,EfficientDet是EfficientNet的更新版本,該版本是去年為Coral board單板計算機,提供的一系列高級對象檢測模型。谷歌的工程師譚明星、龐若明和Quoc Le在去年秋天首次發(fā)表的一篇論文中詳細闡述了EfficientDet,但在周日對論文(包括代碼)進行了修改和更新。
EfficientDet的優(yōu)化靈感來自于Tan和Le在EfficientNet上的原創(chuàng)作品。提出了骨干網(wǎng)和特征網(wǎng)(backbone and feature networks)的聯(lián)合復合標度方法。其中,雙向特征金字塔網(wǎng)絡(BiFPN)作為特征網(wǎng)絡,ImageNet預訓練的特征網(wǎng)絡作為骨干網(wǎng)絡。
EfficientDet通過刪除只有一個輸入邊的節(jié)點來優(yōu)化跨尺度連接,從而創(chuàng)建一個更簡單的雙向網(wǎng)絡。它還依賴于單級探測器范式,一種以效率和簡單著稱的對象探測器。
這是來自谷歌最新的目標檢測的消息,其用于目標檢測的谷歌云視覺系統(tǒng),最近在其公開可用的API中,將男性和女性的標簽刪除。