|
他们设计了一个新型结构的构造模块，叫做「挤压与激励」（「Squeeze-and-Excitation——SE」）。每一个基础构造模块通过「挤压」操作在全局接收域中嵌入信息，并且通过「激励」操作选择性地引起增强型响应（response enhancement）。SE 模型是该团队参赛作品的基础。他们研发了多个版本的 SENet，比如 SE-ResNet，SE-ResNeXt 和 SE-Inception-ResNet，在增加少量运算和 GPU 内存的基础上，这明显超过了它们的非 SE 对应部分。该团队在验证数据集中达到了 2.3% 的 top-5 误差率。 任务 2a：使用提供的训练数据进行分类+定位 根据定位错误率排序
根据分类错误率排名
在使用附加训练数据进行分类和定位的任务中，NUS-Qihoo_DPNs (CLS-LOC) 的定位误差率和分类误差率如下所示都取得很好的成绩。据该团队介绍，他们构建了一个简单、高效、模块化的双路径网络，引入了全新双路径拓扑。这一 DPN 模型包含一个残差路径和一个稠密连接路径，二者能够在保持学习探索新特征的灵活性的同时共享共同特征。DPN 是该团队完成全部任务使用的主要网络。在 CLS-LOC 任务中，他们采用 DPN 来预测 Top-5 目标，然后使用基于 DPN 的 Faster RCNN 分配对应的定位边界框。 任务 2b：使用额外的训练数据进行分类+定位 根据定位错误率排名
根据分类错误率排名
视频目标检测（Object detection from video） 如下所示，在视频目标检测任务中，帝国理工大学和悉尼大学所组成的 IC&USYD 团队在各个子任务和排序上都取得了最优的成绩。该团队是视频目标检测任务中使用了流加速（Flow acceleration）[1, 2]。并且最终的分值也是适应性地在检测器（detector）和追踪器（tracker）选择。 任务 3a：使用提供的训练数据进行视频目标检测 根据检测出的目标数量排序
根据平均准确率排序
同时 NUS-Qihoo-UIUC_DPNs (VID) 在视频任务中同样有非凡的表现。他们在视频目标检测任务上的模型主要是基于 Faster R-CNN 并使用双路径网络作为支柱。具体地他们采用了三种 DPN 模型（即 DPN-96、DPN-107 和 DPN-131）和 Faster R-CNN 框架下的顶部分类器作为特征学习器。他们团队单个模型在验证集最好能实现 79.3%（mAP）。此外他们还提出了选择性平均池化（selected-average-pooling）策略来推断视频情景信息，该策略能精炼检测结果。 任务 3b：使用额外的训练数据进行视频目标检测 根据检测出的物体数量排序
根据平均准确率排序
任务 3c：使用提供的训练数据进行视频目标检测/跟踪
任务 3d：使用额外的训练数据进行视频目标检测/跟踪
|
