：23个系列分类网络,10万分类预训练模型,这是飞桨PaddleClas百宝箱( 四 )
该方案融合了多种不增加计算量 ， 可以有效提升两阶段 Faster RCNN 目标检测效果的策略 ， 包括检测模型剪裁、使用分类效果更优的预训练模型、DCNv2、Cascade RCNN、auto augment、libra sampling 以及多尺度训练 。其中基于 82.39% 的 ResNet50_vd_ssld 预训练模型 ， 与 79.12% 的 R50_vd 的预训练模型相比 ， 检测效果可以提升 1.5% 。在 COCO 目标检测数据集上测试 PSS-DET ， 当 V100 单卡预测速度为 61FPS 时 ， mAP 是 41.6% ， 预测速度为 20FPS 时 ， mAP 是 47.8% 。相同的预测速度下 ， 检测效果优于最近业内较为火热的 EfficientDet 模型 。
文章图片
文章图片
推荐阅读
- AutoR智驾|电力不够持久？以色列推出动态无线充电网络 充电效率90％
- AutoR智驾|电力不够持久？以色列推出动态无线充电网络，一夜铺设一公里、充电效率90%
- 宅秘|华为路由Q2S开启首销 有效解决大中户型网络覆盖难题
- 合伙|上海依图网络科技有限公司注册资本新增2.18% 投资人新增红杉、高瓴投资实体
- PS索尼宣布PS5游戏网络发布会延期 新日期尚未确定
- 盒子|618网络机顶盒怎么选？萌新必看的五大热销旗舰
- 美好，一直在身边|科普中国回应：美国并不能通过根服务器让中国网络“瘫痪”
- |中兴AXON 11 SE发布：首款支持四大运营商网络5G手机
- 代餐|没团队，没技术，没资源，适合大多数人的网络赚钱之路
- 青烟故人离|全面5G网络的覆盖时间表公布，网友直呼：被坑办理了5G流量套餐