一种面向移动端应用的实时目标检测算法

针对目标检测算法部署在移动端存在内存消耗大、精度低等问题，在NanoDet模型的基础上提出一种引入改进注意力机制的轻量级目标检测网络。首先，设计通道双池化及空间双向拆分的注意力模块，在尽可能不增加计算消耗的同时加强网络对感兴趣区域的关注能力；其次，引入空洞卷积及Mish函数增加网络的感受野及特征判别能力，并缩减冗余的降采样单元结构以加快网络的实时性；最后，在MS COCO2017数据集及安卓设备上的实验验证可知，本文算法在少量模型参数下提高了检测准确率，并保证30帧/秒的移动端检测速度，效果优于YOLO系列等轻量级网络。实验结果表明，本文算法参数量较YOLO系列模型参数量更低，更适合移动端和嵌入式设备的实时目标检测场景。