论文标题：Simple multi-dataset detection 论文链接：https://arxiv.org/abs/2102.13086 代码链接：https://github.com/xingyizhou/UniDet 作者单位：UT-Austin（CenterNet第一作者）& Intel Lab 本文提出了一种在多个大型数据集(COCO/Open Images等)上训练通用检测器的简单方法，基于此方法夺得了ECCV 2020 鲁棒视觉挑战赛中的目标检测和实例分割两个赛道的第一名！代码刚刚开源！

我们如何建立一个通用的，广泛的物体检测系统？ 我们使用曾经标注过的所有概念的所有标签。 这些标签跨越具有潜在不一致分类法的各种数据集。在本文中，我们提出了一种在多个大型数据集上训练统一检测器的简单方法。我们使用特定于数据集的训练协议和损失，但与特定于数据集的输出共享通用的检测架构。 我们展示了如何将这些特定于数据集的输出自动集成到通用语义分类法中。 与以前的工作相比，我们的方法不需要手动分类。我们的多数据集检测器在每个训练域上的性能和特定于数据集的模型一样好，但是可以更好地泛化到新的看不见的域。基于提出的方法的条目在ECCV 2020健壮视觉挑战赛的对象检测和实例分割轨道中排名第一。

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