基于结构重参数化的目标检测模型

来源：电子测量技术杂志2023年第18期北京时间：

作者：吕昌，尹和，邵叶秦

单位：1.南通大学交通与土木工程学院 南通 226019; 2.南通大学信息科学技术学院 南通 226019

摘要：虽然多尺度感受野特征融合能显著提升目标检测模型的精度，但同时也大大增加了模型的运算成本。针对这一问题，本文提出了基于结构重参数化的目标检测模型。首先，使用深度卷积代替SPP中的最大池化，并利用结构重参数化降低模块运算量，提出了新的感受野特征融合模块CspRepSPP。接着，基于结构重参数化技术，提出了新的特征提取模块RepBottleNeck。实验结果表明，在VOC 2012数据集上，相比原模型YOLOv5s，本文模型在mAP05:095指标上提升了322%，单张图片的推理速度提升了05 ms，GFLOPs降低了10。与其他YOLOv5s改进算法相比，本文算法检测精度更高，推理速度更快，参数量更低。

关键词：结构重参数化;多尺度感受野;目标检测;卷积神经网络