嵌入式设备上的高性能目标检测 Octave-YOLO | 自注意力模块与 CFPNe t架构的高效融合 ！

文章预览

尽管目标检测算法取得了快速进展，但在嵌入式设备上处理高分辨率图像仍然是一个重大挑战。理论上，当前实时目标检测器中使用的全卷积网络架构能够处理所有输入分辨率。 然而，处理高分辨率图像所需的大量计算资源使得它们在实际应用中难以实现实时性。为了解决这个问题，实时目标检测模型通常在推理时对输入图像进行下采样，这导致了细节的丢失和准确度的降低。 对此，作者开发了Octave-YOLO，旨在嵌入式系统的约束下实时处理高分辨率图像。作者通过引入跨频率部分网络（CFPNet）实现了这一点，该网络将输入特征图划分为低分辨率、低频和高分辨率、高频部分。这种配置使得复杂的操作，如卷积瓶颈和自注意力机制，能够仅在低分辨率特征图上进行，同时在高分辨率图上保留细节。 值得注意的是，这种方法不仅显著减少了卷积任务 ………………………………