本小節實驗也證明在ImageNet上訓練一波分類模型還是很有意義的,類似CNN-B-FT,先使用高解析度影象預訓練模型,再使用在低解析度影象上取樣得到的高解析度影象繼續finetune模型,能夠對小尺度目標檢測會有最好的效果,效能也會優於訓
SNIP借鑑了multi-scale training的思想進行訓練,multi-scale training是用影象金字塔作為模型的輸入,這種做法雖然能夠提高模型效果,但是計算量的增加也非常明顯,因為模型需要處理每個scale影象的每個像
本小節實驗也證明在ImageNet上訓練一波分類模型還是很有意義的,類似CNN-B-FT,先使用高解析度影象預訓練模型,再使用在低解析度影象上取樣得到的高解析度影象繼續finetune模型,能夠對小尺度目標檢測會有最好的效果,效能也會優於訓