一种改进CenterNet的轻量化目标检测算法

作者：李悦言; 程培涛^*; 杜淑幸

来源：西安电子科技大学学报, 2022, 49(05): 137-144.

DOI：10.19665/j.issn1001-2400.2022.05.016

• fire模块
• 轻量化
• 编码层
• 目标检测

CenterNet算法结构复杂，导致其参数量大、计算复杂度高和检测速度较慢。针对这一问题，提出了一种CenterNet-encoder算法。该算法使用深度为104层的沙漏网络作为backbone,并将其中的残差模块替换为fire模块来减少算法的参数量，提高算法的计算速度；另外，在backbone和head之间加入了编码层，在不损失分辨率的同时增大了感受野，减少了内存的占用，让输出囊括更多尺度的信息；最后，使用均方误差损失进行边界框的回归，加快算法的收敛，进一步提升了算法的检测精度。CenterNet-encoder算法最终在MS-COCO test-dev数据集上的平均检测精度为40.5%,参数量为47×106。在AMD5900X/32GB/RTX3090环境配置下，检测速度达到了18帧/s。实验结果表明，CenterNet-encoder算法虽然牺牲了一定的精度，但参数量比原算法下降了约77.6%,同时检测速度提升了约69.3%。与其他轻量化目标检测算法相比，在参数量、推理时间和检测精度上也有一定的优势。

• 单位
  机电工程学院; 西安电子科技大学