DynamicDet: A Unified Dynamic Architecture for Object Detection

要約

タイトル: 物体検出のための統一された動的アーキテクチャ「DynamicDet」

要約:
– 動的ニューラルネットワークは、深層学習の新しい研究トピックである。
– 適応的推論を通じて、動的モデルは顕著な精度と計算効率を実現できる。
– 物体検出タスクの性質に基づいて、DynamicDetという物体検出のためのダイナミックフレームワークを提案している。
– 多スケール情報を分析し、推論ルートを自動的に決定するアダプティブルータを提案する。
– 検出損失に基づく既存の基準を使用した最適化戦略を提案する。
– 小さい電力で動くダイナミックモデルを提供し、複数の速度と精度トレードオフを実現する可変速度推論戦略を提案する。
– COCOベンチマークで実験を行い、提案されたDynamicDetが新しい最先端の精度-速度トレードオフを実現したことが示された。

### 要点
– 動的ニューラルネットワークは、深層学習の新しい研究トピックである。
– 適応的推論を通じて、動的モデルは顕著な精度と計算効率を実現できる。
– 物体検出タスクの性質に基づいて、DynamicDetという物体検出のためのダイナミックフレームワークを提案している。
– 多スケール情報を分析し、推論ルートを自動的に決定するアダプティブルータを提案する。
– 検出損失に基づく既存の基準を使用した最適化戦略を提案する。
– 小さい電力で動くダイナミックモデルを提供し、複数の速度と精度トレードオフを実現する可変速度推論戦略を提案する。
– COCOベンチマークで実験を行い、提案されたDynamicDetが新しい最先端の精度-速度トレードオフを実現したことが示された。

要約(オリジナル)

Dynamic neural network is an emerging research topic in deep learning. With adaptive inference, dynamic models can achieve remarkable accuracy and computational efficiency. However, it is challenging to design a powerful dynamic detector, because of no suitable dynamic architecture and exiting criterion for object detection. To tackle these difficulties, we propose a dynamic framework for object detection, named DynamicDet. Firstly, we carefully design a dynamic architecture based on the nature of the object detection task. Then, we propose an adaptive router to analyze the multi-scale information and to decide the inference route automatically. We also present a novel optimization strategy with an exiting criterion based on the detection losses for our dynamic detectors. Last, we present a variable-speed inference strategy, which helps to realize a wide range of accuracy-speed trade-offs with only one dynamic detector. Extensive experiments conducted on the COCO benchmark demonstrate that the proposed DynamicDet achieves new state-of-the-art accuracy-speed trade-offs. For instance, with comparable accuracy, the inference speed of our dynamic detector Dy-YOLOv7-W6 surpasses YOLOv7-E6 by 12%, YOLOv7-D6 by 17%, and YOLOv7-E6E by 39%. The code is available at https://github.com/VDIGPKU/DynamicDet.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI