Rethinking ImageNet Pre-training

何凯明的新作： https://arxiv.org/abs/1811.08883

在 进行计算机视觉任务，使用ImageNet pretraining是大家的常态。但是这篇论文里的实验很有冲击性，对现今的计算机视觉是一个新的思路。终于不需要花时间下载预训参数了，hahahaha 。。。。。
总的来说，收敛不是问题，问题是数据怎么获得。。。。。。。

论文中对比实验：

紫色是随机，灰色是预训练。
可以看出在 ImageNet基础上的实验和只在COCO数据上进行实验，它们的差别不大。

• 看看PASCAL VOC大赛：
  地址

结果描述：

第一名就是使用的YOLO V3.

• Sogou上榜

1. 使用的是FPN特征金子塔模型+ResNeXt152特征抽取模型。
2. 采用多种特征融合方法，多尺度训练，分别在COCO，ImageNet上进行预训练，之后在PASCAL VOC上进行微调。

• COCO大赛
  地址

Facebook AI Research的结果：

如论文所说：

看到这里的设备：

直呼穷人玩不起。。。。。

PASCAL VOC工具包解读