【CVPR2023】DynamicDet:目標檢測的統一動(dòng)態(tài)架構

動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò )是深度學(xué)習領(lǐng)域的新興研究課題。通過(guò)自適應推理，動(dòng)態(tài)模型可以達到顯著(zhù)的精度和計算效率。然而，由于沒(méi)有合適的動(dòng)態(tài)結構和現有的目標檢測標準，設計一個(gè)強大的動(dòng)態(tài)檢測器是具有挑戰性的。為解決這些困難，本文提出一種用于目標檢測的動(dòng)態(tài)框架DynamicDet。首先，根據目標檢測任務(wù)的性質(zhì)精心設計了一個(gè)動(dòng)態(tài)架構;然后，我們設計了一個(gè)自適應路由器來(lái)分析多尺度信息并自動(dòng)確定推理路由。本文還提出了一種新的優(yōu)化策略，給出了一種基于檢測損失的動(dòng)態(tài)檢測器優(yōu)化準則。最后，提出了一種可變速度的推理策略，有助于只用一個(gè)動(dòng)態(tài)檢測器實(shí)現大范圍的精度-速度權衡。在COCO基準上進(jìn)行的廣泛實(shí)驗表明，所提出的DynamicDet實(shí)現了新的最先進(jìn)的精度-速度權衡。例如，在相當的精度下，動(dòng)態(tài)檢測器Dy-YOLOv7-W6的推理速度比YOLOv7-E6提高12%，比YOLOv7-D6提高17%，比YOLOv7-E6E提高39%。代碼可以在https: //github.com/VDIGPKU/DynamicDet上獲得。