改进RetinaNet的轻量化工件检测算法研究

来源：计算机工程与应用杂志2022年第22期北京时间：

作者：梅菠萍, 赵皓, 阳珊, 李林静, 张静, 张华

单位：1.西南科技大学 信息工程学院，四川 绵阳 621010；2.中国科学技术大学 信息科学技术学院，合肥 230026；

摘要：针对传统目标检测模型参数量巨大，制约算法部署与模型推理实时性的问题，提出一种基于改进RetinaNet检测模型的轻量化实时目标检测网络。使用MobileNet-V2代替RetinaNet模型中的ResNet骨干网络，降低整体模型的参数量；设计锚框引导采样机制，基于特征金字塔输出特征层生成感兴趣区域掩码，减少背景区域冗余锚框，降低后处理过程中的计算复杂度；引入GFocalLossV2损失函数统计预测边框分布特征，优化预测边框质量以及提升分类准确度。该模型在自制多类别工件数据集WP和Pascal VOC公开数据集上进行验证实验，改进模型的检测准确率分别达到99.5%、80.5%，检测速度分别达到39.8?FPS、38.3?FPS。实验结果表明，该轻量级目标检测模型能够实现实时检测，同时保证了检测精度。

关键词：RetinaNet,MobileNet-V2,引导采样,GFocalLossV2