[论文解读] YOLOCS: Object Detection based on Dense Channel Compression for Feature Spatial Solidification

Lin Huang, Weisheng Li+4 more|arXiv (Cornell University)|May 7, 2023

Advanced Image and Video Retrieval Techniques被引用 4

一句话总结

该论文提出 YOLOCS，一种实时目标检测模型，通过在主干网络中引入用于特征空间固化的密集通道压缩（DCFS），在检测头中采用非对称多级压缩解耦头（ADH），对 YOLOv5 进行改进。通过提升特征纯净度与梯度流动，YOLOCS 在 COCO 上实现了 50.1% 的 SOTA AP，且速度损失极小，优于 YOLOv5 和 YOLOX 在所有模型尺寸下的表现。

ABSTRACT

In this study, we examine the associations between channel features and convolutional kernels during the processes of feature purification and gradient backpropagation, with a focus on the forward and backward propagation within the network. Consequently, we propose a method called Dense Channel Compression for Feature Spatial Solidification. Drawing upon the central concept of this method, we introduce two innovative modules for backbone and head networks: the Dense Channel Compression for Feature Spatial Solidification Structure (DCFS) and the Asymmetric Multi-Level Compression Decoupled Head (ADH). When integrated into the YOLOv5 model, these two modules demonstrate exceptional performance, resulting in a modified model referred to as YOLOCS. Evaluated on the MSCOCO dataset, the large, medium, and small YOLOCS models yield AP of 50.1%, 47.6%, and 42.5%, respectively. Maintaining inference speeds remarkably similar to those of the YOLOv5 model, the large, medium, and small YOLOCS models surpass the YOLOv5 model's AP by 1.1%, 2.3%, and 5.2%, respectively.

研究动机与目标

• 解决现有 YOLO 主干网络通过加宽/加深提升性能受限的问题，这些网络依赖于 $3\times3$ 卷积。
• 改善 YOLO 架构在前向与反向传播过程中特征表示的纯净度与梯度流动。
• 在保持或提升推理速度与检测精度的同时，减少模型参数量与 FLOPs。
• 设计一种新型主干模块（DCFS）与检测头模块（ADH），实现更优的空间与通道级特征整合。
• 在 MSCOCO 上实现 SOTA 性能，同时保持与 YOLOv5 相当的实时推理速度。

提出的方法

• 提出用于特征空间固化的密集通道压缩结构（DCFS），一种新型主干模块，通过密集通道压缩增强特征表示。
• 提出非对称多级压缩解耦头（ADH），一种检测头网络设计，通过非对称压缩在多尺度上解耦特征学习。
• 将 DCFS 应用于主干网络与颈部网络，统一全网络架构中的特征空间固化。
• 利用通道注意力与特征融合机制，强化反向传播过程中的梯度流动并减少噪声。
• 将 DCFS 与 ADH 集成至 YOLOv5，构建 YOLOCS，在保持推理速度的同时提升精度。
• 采用标准 YOLO 损失函数与 NMS 进行模型优化，仅聚焦于主干与检测头的结构改进。

实验结果

研究问题

• RQ1 密集通道压缩是否能有效提升基于 YOLO 的目标检测器中特征纯净度与梯度流动？
• RQ2 所提出的 DCFS 模块在精度与效率方面是否优于标准的 CSP 基主干网络？
• RQ3 非对称多级解耦检测头设计能否同时提升小、中、大目标的检测性能？
• RQ4 YOLOCS 在实现高于 YOLOv5 与 YOLOX 的精度的同时，能在多大程度上保持实时推理速度？
• RQ5 DCFS 与 ADH 的结合是否能在 MSCOCO 基准上实现 SOTA 性能？

主要发现

• YOLOCS-L 在 MSCOCO test-dev 上达到 50.1% AP，比 YOLOv5-L 提升 1.1%，且推理速度几乎相同（V100 上为 90 FPS）。
• YOLOCS-S 达到 42.6% AP，较 YOLOv5-S 提升 5.2%，较 YOLOX-S 提升 3.0%，延迟仅轻微增加。
• YOLOCS-M 达到 47.7% AP，较 YOLOv5-M 提升 2.3%，较 YOLOX-M 提升 1.3%，在 V100 上达到 115 FPS。
• 通过密集通道压缩减少参数量与 FLOPs，实现高效率而不牺牲精度。
• YOLOCS 在所有模型尺寸下均优于所有对比的 SOTA 模型（包括 YOLOv4、YOLOX、EfficientDet、RetinaNet）在 MSCOCO 上的表现。
• 消融实验表明，DCFS 与 ADH 均对性能提升有显著贡献，其中 DCFS 在特征空间固化方面尤为有效。