arXiv cs.AI· Daeun Seo, Hoeseok Yang, Hyungshin Kim·· 13 小时前AI 评分8
DyRA：为现有检测器提供可移植动态分辨率调整网络（论文已撤回）
DyRA: Portable Dynamic Resolution Adjustment Network for Existing Detectors
AI 导读
论文 DyRA 提出一种动态分辨率调整网络，为现有检测器生成图像专属缩放因子，并通过 ParetoScaleLoss 与 BalanceLoss 与检测器联合训练。
正文 · AI 翻译
本文已被 Daeun Seo 撤回
摘要：由于物体尺寸的固有变化，在目标检测中实现恒定精度具有挑战性。解决该问题的一种有效方法是优化输入分辨率，称为多分辨率策略。以往的分辨率优化方法通常基于预定义分辨率并手动选择。然而，针对现有架构的运行时分辨率优化研究尚缺乏。本文提出 DyRA，一种动态分辨率调整网络，为现有检测器提供图像特定的缩放因子。该网络利用专门设计的损失函数（即 ParetoScaleLoss 和 BalanceLoss）与检测器联合训练。ParetoScaleLoss 确定用于鲁棒性的自适应缩放因子，而 BalanceLoss 根据检测器的定位性能优化整体缩放因子。该损失函数旨在最小化因缩放不同尺寸物体这一相互冲突的目标所导致的精度下降。我们提出的网络可提升多种模型的精度，包括 RetinaNet、Faster-RCNN、FCOS、DINO 和 H-Deformable-DETR。代码可在 此 https URL 获取。
| 评论： | 缩放公式包含不必要的部分或对精度有边际影响。请参阅我们最近的论文，其中重新表述了损失函数及相应解释 |
| 主题： | 计算机视觉与模式识别 (cs.CV)；人工智能 (cs.AI) |
| 引用为： | arXiv:2311.17098 [cs.CV] |
| （或 arXiv:2311.17098v4 [cs.CV] 查看此版本） | |
| https://doi.org/10.48550/arXiv.2311.17098 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Daeun Seo [查看邮箱]
[v1]
2023年11月28日 星期二 07:52:41 UTC (2,124 KB)
[v2]
2023年12月7日 星期四 12:33:17 UTC (2,133 KB)
[v3]
2024年3月14日 星期四 13:22:51 UTC (6,483 KB)
[v4]
2026年10月27日 星期二 07:00:26 UTC (1 KB) （已撤回）
来源：arXiv cs.AI · arxiv.org