CerberusDet:不同任务共享不同的部分,新多任务目标检测方案 - 晓飞的算法工程笔记
原文中文,约5100字,阅读约需12分钟。发表于: 。传统的目标检测模型通常受到其训练数据和定义的类别逻辑的限制。随着语言-视觉模型的近期兴起,出现了不受这些固定类别限制的新方法。尽管这些开放词汇检测模型具有灵活性,但与传统的固定类别模型相比,仍然在准确性上存在不足。同时,更加准确的数据特定模型在需要扩展类别或合并不同数据集进行训练时面临挑战。后者通常
CerberusDet 是一种基于 YOLO 架构的多头目标检测模型,旨在同时处理多个数据集,提高检测效率和准确性。通过共享主干和 NECK 部分的视觉特征,该模型将推理时间减少了 36%。与传统模型相比,CerberusDet 在多个任务中展现出更高的计算效率和准确性,适合实际应用。