DCT-YOLOv5:从频率角度设计目标检测算法

来源：计算机技术与发展杂志2024年第10期北京时间：

作者：王涛;张笃振

摘要：离散余弦变换(DCT)是 JPEG 压缩算法的核心步骤之一,将图像空间域的像素数据转换为频率域的系数。 DCT 与深度学习结合的算法非常常见,但并未从频率角度解析卷积结构。 为进一步提升目标检测性能,针对该问题提出改进算法:DCT-YOLOv5。 首先,证明卷积神经网络(CNNs)、Transformer 和 MLP 架构都是对频域的隐式建模,验证以往模型设计的默认原则:有效感受野总小于理论感受野、多个小卷积核优于大卷积核。 其次,考虑输入通道和卷积核选择合理的输出通道数,做到近似无损变换,其中下采样阶段是唯一改变通道数的地方。 最后,通过固定参数比较 DCT 和卷积,二者差异稳定在依0. 8% 。 并且为了最大程度降低计算量,引入固定组内数量的分组卷积。 该模型以 YOLOv5 为基准,在 COCO 数据集上设计了丰富实验,验证方法的有效性。 取得了 28. 9% 的 mAP@ . 5 和 277. 8 的 FPS,相对于基准模型获得了 1. 3% 的相对提升。 测试结果表明,改进后的模型在精度上有显著提升,并能够在更低的算力平台上运行。

关键词：离散余弦变换;卷积神经网络;下采样;固定参数;YOLOv5