BriefGPT - AI 论文速递
·
HQOD: 目标检测的和谐量化
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
现代目标检测器中普遍出现任务不协调问题，影响检测器性能。本文提出了一种用于目标检测的协调量化方法（HQOD），包含任务相关损失和协调的对交并比损失。HQOD 可以轻松集成到不同的量化训练算法和检测器中。在 MS COCO 数据集上，我们的模型实现了 39.6% 的最新平均精度（mAP），超过了完全精度模型的性能。
🎯
关键要点
-
现代目标检测器存在任务不协调问题，影响分类和回归任务的质量一致性。
-
提出了一种协调量化方法（HQOD），包含任务相关损失和协调的对交并比损失。
-
HQOD 鼓励检测器在量化训练期间关注提高任务协调质量低的样本。
-
HQOD 可以轻松集成到不同的量化训练算法和检测器中。
-
在 MS COCO 数据集上，基于 ResNet-50 骨干网络的 4 位 ATSS 模型实现了 39.6% 的最新平均精度（mAP），超过了完全精度模型的性能。
➡️
