黄健宸，王晗，卢昊

1. 北京林业大学信息学院,北京 100083； 2. 国家林业和草原局林业智能信息处理工程技术研究中心,北京 100083

0 引 言

在计算机视觉中，目标检测一直是一个活跃的、重要的研究领域，在安防、医疗和自动驾驶等领域具有广泛应用(Liu 等，2020)。目前基于卷积神经网络(convolutional neural network，CNN)(Qin 等，2018；张珂 等，2021)的目标检测方法可以有效提取图像特征并进行检测。与使用感兴趣区域(region of interest, ROI)提取来获取候选区域的两阶段方法(Girshick 等，2014；Ren 等，2015)不同，单阶段方法(Liu 等，2016；Redmon和 Farhadi，2018；Ultralytics，2020)使用单一卷积模型基于回归从图像中进行特征提取并输出检测框的数量、位置和大小等信息，实时性较好(赵永强 等，2020)，但具有较高检测精度的模型存在着参数量和运算量过大的问题，难以在缺乏计算资源的环境部署与应用。因此，如何在维持检测精度的条件下对模型进行轻量化成为重要的研究方向。

现有的单阶段目标检测网络通常通过减少网络的深度和宽度来构建轻量化的模型(Liu 等，2016；Ultralytics，2020)。然而这种模型轻量化方法会明显削弱模型的特征提取能力，导致检测精度相比于原模型显著下降。人工设计网络的简化结构以及轻量化模块是应用最广泛的轻量化方案之一。VGGNet(Visual Geometry Group network)(Simonyan和Zisserman，2015)提出用3×3卷积堆叠代替大卷积核；ResNet(He 等，2016)提出Bottleneck结构减少大卷积的通道数；MobileNet(Howard 等，2017；Sandler 等，2018；Howard 等，2019)、GhostNet(Han 等，2020)、ShuffleNet(Zhang 等，2018；Ma 等，2018)等利用深度可分离卷积，设计了更为高效的特征提取模块，并构建了轻量化的骨干网络。然而，由于目标检测网络需要更大的感受野和不同层次的高质量特征来获得物体的准确定位能力，直接将轻量化骨干网络引入单阶段检测器会一定程度上降低检测精度。……