Paper：PP-PicoDet: A Better Real-Time Object Detector on Mobile Devices

official implementation：https://github.com/PaddlePaddle/PaddleDetection/tree/release/2.7/configs/picodet

Backbone

作者通过实验发现，ShuffleNetV2在移动设备上比其他网络更加鲁棒，为了进一步提升backbone的性能，作者在ShuffleNetV2的基础上借鉴了PP-LCNet（具体介绍见PP-LCNet 原理解析）的一些方法进行改进，构建了一个新的骨干网络Enhanced ShuffleNet (ESNET)。下图描述了ES Block的细节

具体而言，加入了SE module，和MobileNetV3一样，SE module两层激活函数分别为ReLU和H-Sigmoid。channel shuffle提供了通道的信息交换但会导致融合信息的丢失，为了解决这个问题，当stride=2时，加入了深度可分离卷积来整合不同通道的信息。GhostNet（具体介绍见GhostNet（CVPR 2020） 原理与代码解析）提出的Ghost module可以用更少的参数生成更多的特征图以提高网络的学习能力，作者在stride=1的block中加入Ghost module进一步提高ESNet的性能。

Neck

neck部分采用CSP-PAN结构，在原始的CSP-PAN中，每个输出特征图的通道数和从backbone得到的输入是一样的，这对于移动设备来说计算成本太大，本文通过1x1卷积将输入C3~C5的通道数先降到最小的通道数即96。此外本文多添加了一层输出特征即P6来检测更多的对象。同时，除了1x1外的所有卷积都改成深度可分离卷积，并且将卷积核扩大到5x5来增大感受野。完整的结构如图2所示

Head

检测头采用coupled head的形式，卷积也改成5x5的深度可分离卷积。

Label Assignment

标签分配采用SimOTA，原始的SimOTA采用CE loss和IoU loss的加权和来计算cost matrix，为了对齐cost和最终的目标函数，这里用Varifocal loss和GIoU loss的加权和来计算cost matrix，如下，其中加权系数 \(\lambda=6\)。

Loss

分类损失采用Varifocal loss，回归损失采用GIoU loss和Distribution loss，如下

Other strategies

激活函数H-Swish的计算更多对移动设备更友好，ESNet中的所有激活函数都由ReLU改成H-Swish。

与linear step learning rate decay不同，Cosine learning rate使学习率呈指数衰减。余弦学习率平稳下降，有利于训练过程，特别是在batch size较大的情况下，因此本文采用余弦学习了下降策略。

过多的数据增强会增加正则化效果，使轻量级模型的训练更难收敛。因此，本文只使用random flip，random crop和multi-scale resize的数据增强。

PP-PicoDet V2

PaddleDetection中目前是V2版本，但官方没有给出技术报告，具体的改进大概是一下几点

• backbone由ESNet替换为LCNet

• neck由CSP-PAN替换为LCPAN

• 标签分配由SimOTA替换为ATSS+TaskAlignedAssigner

参考

ShuffleNet v2

PP-LCNet 原理解析

SENet: Squeeze-and-Excitation Networks

GhostNet（CVPR 2020） 原理与代码解析

PANet（CVPR 2018）原理与代码解析

OTA: Optimal Transport Assignment for Object Detection 原理与代码解读-CSDN博客

VarifocalNet: An IoU-aware Dense Object Detector（CVPR 2021）原理与代码解析-CSDN博客

Generalized Focal Loss 原理与代码解析_self.reg_max是啥-CSDN博客