李沐等将目标检测绝对精度提升 5%，不牺牲推理速度

天下没有免费的午餐？李沐等研究者在一份名为《Bag of Freebies for Training Object Detection Neural Networks》的论文中推翻了这一定理。他们在不牺牲推理速度的前提下将目标检测绝对精度提升了 5%。目标检测无疑是计算机视觉领域最前沿的应用之一，吸引了各个领域诸多研究者的目光。最前沿的检测器，包括类似 RCNN 的单（SSD 或 YOLO）或多阶神经网络都是基于图像分类骨干网络，如 VGG、ResNet、Inception 或 MobileNet 系列。然而，由于模型容量和训练复杂度相对较高，目标检测受到的关注相对较少，从最近的训练微调研究中获益也较少。更糟糕的是，不同的检测网络在没有明确的初始化、数据预处理及优化分析的情况下就开始挑选自己的训练流程，导致在采用最新的技术改进图像分 ………………………………