2023 ICCV：腾讯和 MicroBT 联手推出 NanoDet 的颠覆者——68.77k 超轻量级目标检测器！

2023-08-11 20:58:00

超轻量级目标检测器的革命：腾讯和 MicroBT 推出 68.77k 检测器

计算机视觉领域见证了一场令人兴奋的突破，腾讯和 MicroBT 联手推出了一款超轻量级的目标检测器，彻底改变了我们对极小模型的认识。这款仅有 68.77k 大小的检测器，令人难以置信地实现了 33.8% 的 mAP，超越了其前身 NanoDet，成为轻量级目标检测领域的王者。

揭开这款轻量级检测器的秘密

这款开创性的检测器采用了三种巧妙的创新：

实例边界增强模块 (IBE)： IBE 将检测框边界编码为特征表示，从而增强了检测模型对边界信息变化的鲁棒性。这使得模型即使在复杂背景或遮挡情况下也能准确地定位对象。
递归热重启训练策略 (RecWR)： RecWR 在训练过程中定期重置模型权重，防止模型陷入局部最优。这种热重启机制加快了收敛速度，并提高了模型的最终精度。
超轻量级模型结构： 该模型基于轻量级卷积神经网络，并采用了深度可分离卷积、分组卷积等优化技术，进一步减轻了计算量。

在轻量级的同时实现高精度

在 CICO 数据集上的广泛测试表明，这款检测器在保持其微小规模的同时，在目标检测任务中表现出色。它的 mAP 达到 33.8%，远远高于 NanoDet 等其他轻量级模型。这证明了该检测器即使在资源受限的设备上也能提供强大的视觉感知能力。

应用场景无限

由于其轻量级和高精度，这款检测器在各种应用中拥有广阔的前景。它可以部署在移动设备、嵌入式系统甚至无人机上，为自动驾驶、机器人和工业自动化等领域提供强大的视觉感知能力。

常见问题解答

为什么这款检测器如此轻量级？
这款检测器采用了轻量级卷积神经网络、深度可分离卷积和分组卷积等优化技术。
它的精度与更重的模型相比如何？
虽然这款检测器非常轻量级，但其精度与更重的模型相当，甚至在某些情况下超过了它们。
它是否可以在资源受限的设备上部署？
是的，它的轻量级使其非常适合在资源受限的设备上部署，例如移动设备、嵌入式系统和无人机。
这款检测器的训练复杂吗？
虽然模型本身很轻量级，但训练过程使用了一种递归热重启训练策略，该策略可以防止模型陷入局部最优，从而简化训练。
这款检测器的应用前景是什么？
这款检测器在自动驾驶、机器人和工业自动化等领域有着广泛的应用前景，因为它可以为资源受限的设备提供强大的视觉感知能力。

代码示例

import tensorflow as tf

# 实例边界增强模块 (IBE)
class IBE(tf.keras.layers.Layer):
    def __init__(self):
        super(IBE, self).__init__()
        # ...

# 递归热重启训练策略 (RecWR)
def recwr_training(model, train_data, epochs):
    for epoch in range(epochs):
        model.train_on_batch(train_data)
        if epoch % 10 == 0:
            model.reset_weights()

# 超轻量级模型结构
model = tf.keras.models.Sequential([
    tf.keras.layers.Conv2D(32, 3, 1),
    tf.keras.layers.MaxPooling2D(2, 2),
    # ...
    IBE(),
    # ...
])