EfficientDet: स्केलेबल और कुशल वस्तु पहचान

मॉडल दक्षता कंप्यूटर दृष्टि में दिन-ब-दिन अधिक महत्वपूर्ण हो गई है। इस पेपर में, हम वस्तु पहचान के लिए न्यूरल नेटवर्क आर्किटेक्चर डिजाइन विकल्पों का व्यवस्थित अध्ययन करते हैं और दक्षता बढ़ाने के लिए कई प्रमुख अनुकूलन प्रस्तावित करते हैं। सबसे पहले, हम एक वेटेड बाई-डायरेक्शनल फीचर पिरामिड नेटवर्क (BiFPN) का प्रस्ताव करते हैं, जो आसान और तेज बहु-स्केल फीचर फ्यूजन की अनुमति देता है; दूसरा, हम एक यौगिक स्केलिंग विधि का प्रस्ताव करते हैं जो सभी बैकबोन, फीचर नेटवर्क, और बॉक्स/क्लास भविष्यवाणी नेटवर्क के लिए एकसाथ संकल्प, गहराई, और चौड़ाई को समान रूप से स्केल करता है। इन अनुकूलनों और बेहतर बैकबोन के आधार पर, हमने ऑब्जेक्ट डिटेक्टर्स का एक नया परिवार विकसित किया है, जिसे EfficientDet कहा जाता है, जो लगातार कई संसाधनों की सीमाओं पर पिछले कला की तुलना में कहीं अधिक दक्षता प्राप्त करता है। विशेष रूप से, एकल मॉडल और एकल-स्केल के साथ, हमारा EfficientDet-D7 COCO टेस्ट-डेव पर 77M पैरामीटर और 410B FLOPs के साथ 55.1 AP की राज्य-का-राज्य स्थिति हासिल करता है, जो पिछले डिटेक्टर्स की तुलना में 4x - 9x छोटा और 13x - 42x कम FLOPs का उपयोग करता है। कोड उपलब्ध है: https://github.com/google/automl/tree/master/efficientdet.