Performance-Monitoring-of-Object-Detection

目标检测的性能监控 该存储库包含该算法的pytorch实现，该算法由“在部署过程中对对象检测进行连续性能监视的每帧mAP预测”提出： ://arxiv.org/abs/2009.08650 作者介绍了一种系统“警报”，旨在在部署的对象检测模型的性能下降到临界阈值以下时发出警报。 这种方法允许在没有任何真实数据的情况下评估对象检测器的性能，因此系统性能是从输入本身进行评估的。 该算法使用在检测器主干中进行一系列卷积后接收到的特征图来提取警报系统的特征。 警报系统算法 对于特征图的每个通道，我们使用下一个公式应用均值池： 同样，对于每个通道，将执行最大池化： 最后，我们使用统计池，计算每个通道的标准差并将它们连接起来： 这些操作的结果串联在一起： 所得向量作为输入传递到完全连接的网络。 该网络由5层组成，relu用作激活功能。 最后一层由sigmoid激活，它给出一个二进制答案，其