目標檢測二十年間那些事兒:加速與優(yōu)化
在上一章中我們簡短回顧了目標檢測在過去的二十年中如何從傳統(tǒng)滑窗算法到基于深度神經(jīng)網(wǎng)絡(luò)的全新領(lǐng)域,點擊回顧。這次,我們來分享一些近年涌現(xiàn)的各類優(yōu)化技術(shù),正是這些技術(shù)讓目標檢測一再提速,從而能在工程上應用到各類設(shè)備中。
好快!比高鐵加速還快!
目標檢測的加速技術(shù)
目標檢測速度的提升一直是一個重要而又具有挑戰(zhàn)性的問題。在過去的20年里,目標檢測領(lǐng)域已經(jīng)發(fā)展了許多復雜的加速技術(shù)。接下來我們簡要介紹“輕量化網(wǎng)絡(luò)設(shè)計”、“數(shù)值加速”、“特征檢測優(yōu)化”、“語義分割”等重要優(yōu)化方法。
輕量網(wǎng)絡(luò)設(shè)計
基于 CNN 檢測器的輕量化方法是直接設(shè)計一個輕量級的網(wǎng)絡(luò),而不是使用現(xiàn)成的檢測引擎。研究人員長期以來一直在探索網(wǎng)絡(luò)的正確配置,以便在有限的時間成本下獲得準確性。一個通用的設(shè)計原則是“更少的通道,更多的層(fewer channels and more layers)”[1]。
此外,近年來也有一些新的技術(shù),見下圖:
分解卷積
群卷積
深度可分離卷積
瓶頸設(shè)計
神經(jīng)結(jié)構(gòu)搜索
分解卷積
分解卷積是構(gòu)建輕量級CNN模型最簡單、最直接的方法,有兩類分解方法。
第一類方法是將一個大的卷積濾波器分解成一組空間維數(shù)較小的卷積濾波器[2],如上圖(b)所示。例如,可以將一個7x7過濾器分解為三個3x3過濾器,它們共享相同的接收域,但是后者效率更高。另一個例子是將 k×k 濾波器分解為k×1濾波器和1×k濾波器,這對于非常大的濾波器來說可能更有效,比如15x15。該思想最近被用于目標檢測。
第二類方法是將一大組卷積分解為信道維數(shù)較小的兩組[3],如上圖(c)所示。例如,可以用 d個濾波器近似卷積層,用d'個濾波器 + 一個非線性激活 + 另外d個濾波器 (d'<d)近似有c個通道的特征圖。在這種情況下,原始層的復雜度
可以降低到
。

請輸入評論內(nèi)容...
請輸入評論/評論長度6~500個字
最新活動更多
-
7月22-29日立即報名>> 【線下論壇】第三屆安富利汽車生態(tài)圈峰會
-
7.30-8.1火熱報名中>> 全數(shù)會2025(第六屆)機器人及智能工廠展
-
7月31日免費預約>> OFweek 2025具身智能機器人產(chǎn)業(yè)技術(shù)創(chuàng)新應用論壇
-
免費參會立即報名>> 7月30日- 8月1日 2025全數(shù)會工業(yè)芯片與傳感儀表展
-
即日-2025.8.1立即下載>> 《2024智能制造產(chǎn)業(yè)高端化、智能化、綠色化發(fā)展藍皮書》
-
8月5日立即報名>> 【在線會議】CAE優(yōu)化設(shè)計:醫(yī)療器械設(shè)計的應用案例與方案解析
推薦專題