Skip to content

Latest commit

 

History

History
 
 

ttfnet

1. TTFNet

简介

TTFNet是一种用于实时目标检测且对训练时间友好的网络,对CenterNet收敛速度慢的问题进行改进,提出了利用高斯核生成训练样本的新方法,有效的消除了anchor-free head中存在的模糊性。同时简单轻量化的网络结构也易于进行任务扩展。

特点:

结构简单,仅需要两个head检测目标位置和大小,并且去除了耗时的后处理操作 训练时间短,基于DarkNet53的骨干网路,V100 8卡仅需要训练2个小时即可达到较好的模型效果

Model Zoo

骨架网络 网络类型 每张GPU图片个数 学习率策略 推理时间(fps) Box AP 下载 配置文件
DarkNet53 TTFNet 12 1x ---- 33.5 下载链接 配置文件

2. PAFNet

简介

PAFNet(Paddle Anchor Free)是PaddleDetection基于TTFNet的优化模型,精度达到anchor free领域SOTA水平,同时产出移动端轻量级模型PAFNet-Lite

PAFNet系列模型从如下方面优化TTFNet模型:

模型库

骨架网络 网络类型 每张GPU图片个数 学习率策略 推理时间(fps) Box AP 下载 配置文件
ResNet50vd PAFNet 18 10x ---- 39.8 下载链接 配置文件

PAFNet-Lite

骨架网络 网络类型 每张GPU图片个数 学习率策略 Box AP 麒麟990延时(ms) 体积(M) 下载 配置文件
MobileNetv3 PAFNet-Lite 12 20x 23.9 26.00 14 下载链接 配置文件

注意: 由于动态图框架整体升级,PAFNet的PaddleDetection发布的权重模型评估时需要添加--bias字段, 例如

# 使用PaddleDetection发布的权重
CUDA_VISIBLE_DEVICES=0 python tools/eval.py -c configs/ppyolo/pafnet_10x_coco.yml -o weights=https://paddledet.bj.bcebos.com/models/pafnet_10x_coco.pdparams --bias

Citations

@article{liu2019training,
  title   = {Training-Time-Friendly Network for Real-Time Object Detection},
  author  = {Zili Liu, Tu Zheng, Guodong Xu, Zheng Yang, Haifeng Liu, Deng Cai},
  journal = {arXiv preprint arXiv:1909.00700},
  year    = {2019}
}