【CVPR2023】DynamicDet:目標(biāo)檢測的統(tǒng)一動態(tài)架構(gòu)

動態(tài)神經(jīng)網(wǎng)絡(luò)是深度學(xué)習(xí)領(lǐng)域的新興研究課題。通過自適應(yīng)推理，動態(tài)模型可以達(dá)到顯著的精度和計算效率。然而，由于沒有合適的動態(tài)結(jié)構(gòu)和現(xiàn)有的目標(biāo)檢測標(biāo)準(zhǔn)，設(shè)計一個強(qiáng)大的動態(tài)檢測器是具有挑戰(zhàn)性的。為解決這些困難，本文提出一種用于目標(biāo)檢測的動態(tài)框架DynamicDet。首先，根據(jù)目標(biāo)檢測任務(wù)的性質(zhì)精心設(shè)計了一個動態(tài)架構(gòu);然后，我們設(shè)計了一個自適應(yīng)路由器來分析多尺度信息并自動確定推理路由。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態(tài)檢測器優(yōu)化準(zhǔn)則。最后，提出了一種可變速度的推理策略，有助于只用一個動態(tài)檢測器實現(xiàn)大范圍的精度-速度權(quán)衡。在COCO基準(zhǔn)上進(jìn)行的廣泛實驗表明，所提出的DynamicDet實現(xiàn)了新的最先進(jìn)的精度-速度權(quán)衡。例如，在相當(dāng)?shù)木认?，動態(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。