基于结构重参数化技术的轻量化目标检测算法

来源：计算机技术与发展杂志2023年第10期北京时间：

作者：朱郝;杨世恩;陈春梅

单位：1. 西南科技大学 计算机科学与技术学院,四川 绵阳 621010;2. 西南科技大学 信息工程学院,四川 绵阳 621010

摘要：现有目标检测算法消耗大量算力资源、参数量大、占用内存空间多,不利于在小型设备上推广使用。 因此,基于结构重参数化技术并结合 YOLO 系列算法的研究成果,提出了一种轻量化目标检测模型 Rep-YOLO。 使用结构重参数化技术实现模型在训练时的多分支结构和推理时的线性结构之间的转换,从而减少模型推理时对算力资源的消耗。 另外,为了降低模型的参数量,利用深度可分离卷积、网络裁剪等方法,重新设计了多尺度特征融合网络和检测头。 实验结果表明:在 PASCAL VOC 上,Rep-YOLO-s1 精度可达 82. 7% ,Rep-YOLO-s1 与 YOLOv6s 相比,在参数量减少 54. 8% 的情况下,精度提高了 2. 4 百分点,推理速度提升了 6% 。 在 NVIDIA RTX 3060 GPU 上,Rep -YOLO-s0 比 YOLOv6s 的推理速度快10% ,Rep-YOLO-nano 比 YOLOv7-tiny 快 4% ,精度提高了 0. 5 百分点。 Rep-YOLO 与规模类似的模型相比,体积更小,精度更高,更加利于资源有限的部署应用。

关键词：目标检测;结构重参数化;MobileOne;YOLO;轻量化网络