基于结构重参数化的目标检测模型

作者：吕昌; 尹和; 邵叶秦^*

来源：电子测量技术, 2023, 46(18): 114-121.

DOI：10.19651/j.cnki.emt.2313950

• 结构重参数化
• 多尺度感受野
• 目标检测
• 卷积神经网络

虽然多尺度感受野特征融合能显著提升目标检测模型的精度，但同时也大大增加了模型的运算成本。针对这一问题，本文提出了基于结构重参数化的目标检测模型。首先，使用深度卷积代替SPP中的最大池化，并利用结构重参数化降低模块运算量，提出了新的感受野特征融合模块CspRepSPP。接着，基于结构重参数化技术，提出了新的特征提取模块RepBottleNeck。实验结果表明，在VOC 2012数据集上，相比原模型YOLOv5s,本文模型在mAP0.5:0.95指标上提升了3.22%,单张图片的推理速度提升了0.5 ms, GFLOPs降低了1.0。与其他YOLOv5s改进算法相比，本文算法检测精度更高，推理速度更快，参数量更低。

• 单位
  土木工程学院; 南通大学