计算机视觉-PicoDet：专为移动CPU优化的快速目标检测

概述

PicoDet是在2021年11月发布的一种机器学习模型。它将最近在目标检测模型方面的研究成果集成到一个轻量级模型中，以在移动CPU上实现高准确度和高速目标检测。

COCO dataset

架构

PicoDet通过使用轻量级结构作为骨干，提高了特征提取的速度。通过改进损失函数，它还提高了训练的稳定性和效率。

最近几年来，基于无锚点的检测器在目标检测中变得越来越受欢迎，而全卷积单阶段目标检测（FCOS）解决了重叠的地面实况标签问题。而典型的锚框为每个坐标都有多个锚点，FCOS为每个坐标只有一个中心点；使用FCOS的无锚点方法具有无需超参数调整的优势。

然而，通常无锚点的检测器用于服务器端处理的模型，这些模型相对较大。用于移动应用的无锚点模型仅限于NanoDet和YOLOX-Nano。对于轻量级无锚点检测器来说，很难平衡准确性和效率。PicoDet是一种受FCOS和广义焦点损失（GFL）启发的新尝试。

PicoDet

CSP是ResNet等模型中使用的“跳跃连接”机制的进化。它通过添加一个机制来切断和连接先前阶段的特征图，而无需进行卷积运算，从而便于反向传播并减少操作量。在PicoDet中，将3x3深度卷积扩展为5x5深度卷积，以扩大感受野。

CSPNet

为了改善标签分配策略，采用了SimOTA，并采用了Varifocal Loss（VFL）和GIoU损失作为损失函数。

SimOTA也用于YOLOX。在确定预测边界框与地面实况边界框之间的映射以计算损失时，该方法不是分配最近的地面实况，而是解决了一个优化问题，以分配更合适的地面实况。SimOTA是OTA（Optimal Transport Assignment）的更快版本。

SimOTA

在这个目标检测模型中，通过将地面实况边界框分配给HEAD预测的每个边界框，并反向传播损失来进行学习。地面实况边界框可能会重叠。如果预测边界框落在该区域内，我们将出现一种称为“模糊锚点”的情况，我们不知道要分配哪个地面实况。OTA具有一种算法，使将地面实况边界框分配给模糊锚点变得困难。

模糊锚点

以下是OTA分配的结果示例。图像中的点是预测边界框的中心点，红色椭圆显示了分配策略的差异。

OTA分配的结果

PicoDet中用于特征提取的骨干是Enhanced ShuffleNet，这是ShuffleNetV2的改进版本，是一种适用于移动设备的高效模型架构。ShuffleNet引入了“逐点组卷积”和“通道混洗”操作，以加速1x1卷积，这是MobileNet的瓶颈。

Enhanced ShuffleNet

一次性神经架构搜索（NAS）被引入以搜索每层的最佳通道数量。搜索结果显示，使通道数量成为8的倍数对提高推断速度的贡献最大。

性能

以下是使用高通骁龙865 CPU的性能。在使用NCNN在CPU上运行时，YOLOX-Tiny在mAP 32.8时需要32.77毫秒，而PicoDet在mAP 30.6时需要12.37毫秒。在17.39毫秒内可以实现mAP 34.3。

这种性能提升是在CPU上运行推断时可以测量到的，而在GPU上运行时它们表现相同。因此，YOLOX-Tiny可能更适用于Jetson设备，而PicoDet可能最适合树莓派等设备。

用法

可以使用以下命令将PicoDet与ailia SDK一起用于检测网络摄像头视频流中的对象。

$ python3 picodet.py -v 0

ax Inc. 开发了ailia SDK，该SDK支持跨平台、基于GPU的快速推断。ax Inc. 提供从咨询和模型创建到基于AI的应用程序和SDK开发的广泛服务。如有任何疑问，请随时与我们联系。

·  END  ·

HAPPY LIFE

本文仅供学习交流使用，如有侵权请联系作者删除