论文题目：BiDet: An Efficient Binarized Object Detector (CVPR2020) 论文链接: https://openaccess.thecvf.com/contentCVPR2020/html/WangBiDetAnEfficientBinarizedObjectDetectorCVPR2020_paper.html 代码链接：https://github.com/ZiweiWangTHU/BiDet.git 本文是清华大学等发表在 CVPR2020 上的针对一阶段或两阶段检测器的二值化工作。由于其有限的表征能力，网络中的信息冗余会造成大量的假正例，显著地降低网络性能。本文提出了一种二值神经网络目标检测方法BiDet， BiDet能通过冗余去除来充分利用二值神经网络在目标检测中的表征能力，通过去除假正例来提高检测精度。具体来说，本文把信息瓶颈（the information bottleneck IB）准则来做目标检测，限制高层（high-level）特征图的信息量，最大化特征图和目标检测之间的互信息。与此同时，我们通过learning sparse object priors对假正例移除，使网络的后部专注于对信息检测的预测。在PACAL VOC和COCO数据集上的实验证明，本文的方法优于其他目标检测二值神经网络。

内容中包含的图片若涉及版权问题，请及时与我们联系删除