两阶段检测模型优化策略

如何获得精度高、速度快的模型

说到模型优化，我们就要确定优化的方向，我们的目的使得到一个精度高速度快的模型

服务器端模型优化策略

优化策略

• 数据处理（数据增强）：
  .就是要给数据带来更多的变化，让模型去学习数据模型中的普遍性
  .但我们会发现不同的数据集、视觉任务的特点使不一样的，这样的话数据增强的方式就不一定能够有效的应用到所有的任务当中
  .我们图中所用到的AutoAugment是期望用一种自动化的方式来为数据集找到一种最有效的数据处理的策略，他就是通过一种强化学习来作为搜索的方法去搜索出针对该任务常用的图像预处理的操作的选择和顺序是最有效的
• Backbone(期望可以得到一些更具有代表性的一些特征）
  .可变形卷积：让卷积和多学习一个偏移量，然后让卷积和能够去落到我们更感兴趣的部分中去
  .半监督知识蒸馏：可以让ResVNet50-Vd的精度提高可以对检测的任务有一些帮助
• Libra-RCNN采样策略
• ClouLoss
  .louLoss是直接将预测结果也就是预测框和真实框IOU的值直接作为回归分支的函数
  .ClouLoss是考虑到了物体的中心点的距离，还有他们的长宽比，这样就可以更有效地表示预测结果的质量
  

移动端模型优化现状

移动端模型优化策略

• AutoAugment数据预处理
• 半监督知识蒸馏提升骨干网络
• 微调FPN结构
  
  .可以看到减少输出层的话，延时就会降低，在FPN模块增加其下采样，由P4下采样得到P5和P6
  上方的表展示了加入P5，P6的结果
  .更多的层级可以的到更多的用于回归的正样本的（大物体的召回率在加入了P5，P6后提升了狠多）
• Balance L1 Loss
• 调整学习率策略
  
• 优化效果