VOC幣礦機PIN怎麼獲得
㈠ ICCV 2023 | 超越 NanoDet, 騰訊聯合比特幣礦機製造商MicroBT發表 68.77k 的超輕量目標檢測器!
在ICCV 2023上,騰訊聯合比特幣礦機製造商MicroBT發表了一款名為FemtoDet的超輕量級目標檢測器,該檢測器參數量僅為68.77k,卻在PASCAL VOC測試集上達到了46.3的AP50得分。在Qualcomm Snapdragon 865 CPU平台下,FemtoDet的功耗僅為1.11瓦,運行幀率達到64.47 FPS,堪稱邊緣設備高效檢測的典範。
FemtoDet的設計關注低能耗架構的探索,通過選擇低能耗的激活函數、卷積運算符和特徵融合結構,優化了能耗和性能的權衡。在設計過程中,引入了一種名為實例邊界增強(IBE)的模塊,以優化卷積並解決CNN有限容量與檢測任務在多樣空間表示中的矛盾。同時,針對輕量級檢測器數據增強導致的數據偏移問題,提出了遞歸啟動(RecWR)的訓練策略,這兩種方法在PASCAL VOC數據集上均取得了顯著的性能提升。
FemtoDet適用於層次化的智能晶元,能夠實現快速響應和警報。在行人檢測中,FemtoDet在TJU-DHD數據集上的AR20和AP20分別為85.8和76.3。在中大型物體檢測上,FemtoDet的表現同樣出色。此外,FemtoDet在AP50或AP20和中等難度的數據場景上均表現出良好的應用能力。
回顧目標檢測發展歷程,二階段檢測器和一階段檢測器是兩大類主要方法。二階段檢測器首先生成區域提議,然後生成預測框,雖然在准確性上更高,但在邊緣設備上實現低延遲仍面臨挑戰。一階段檢測器包括基於錨點和無錨點的類型,如SSD和YOLO系列,以及CornerNet、CenterNet和FCOS等無錨點檢測器。FemtoDet的出現旨在解決檢測延遲和功耗問題,實現能量與性能之間的平衡。
FemtoDet的設計旨在提供低能耗檢測器的基準,並通過實例邊界增強(IBE)模塊和遞歸熱重啟(RecWR)訓練策略優化性能。IBE模塊通過設計新的局部描述符、語義投影器和雙重標准化層增強深度可分離卷積(DSC),克服輕量級模型的表示優化瓶頸。遞歸熱重啟(RecWR)策略通過遞增式減小圖像增強強度,克服強數據增強帶來的數據轉移問題,有效提高了模型的泛化能力。
實驗結果表明,盡管提高性能可能導致能耗增長,但基於簡單組件構建的能源導向檢測器可以顯著降低影響。在VOC、COCO和TJU-DHD數據集上,FemtoDet在消耗最少能量的同時,實現了與當前最先進技術相媲美的性能,為邊緣設備高效目標檢測提供了有力支持。
目標檢測及相關應用領域研究者可掃描文章下方二維碼或直接搜索微信號「cv_huber」添加小編好友,與眾多學者專家交流探討前沿AI科技。