浅谈ThunderNet

ThunderNet 是旷视提出的轻量型目标检测框架，实现了 ARM 平台上的实时检测器，整体结构如下图所示。

ThunderNet 使用 320×320 像素作为网络的输入分辨率。整体的网络结构分为两部分：Backbone 部分和 Detection 部分。网络的骨干部分为 SNet（ShuffleNetV2 修改版）。 网络的检测部分，利用了压缩的 RPN 网络，既 Context Enhancement Module（CEM）整合局部和全局特征增强网络特征表达能力。并提出 Spatial Attention Module 空间注意模块，引入来自 RPN 的前后景信息用以优化特征分布。

FPN 的结合不同层语义信息，但是相对而言每层均有检测分支，对移动终端而言增加计算成本和运行时间。论文提出简单粗暴的 CEM（如下图所示 ），合并三个尺度特征图 C4,C5和 Cglb：

• C4 1×1 卷积，通道数量压缩为 α×p×p = 245
• C5 进行上采样 + 1×1 卷积，通道数量压缩为 α×p×p = 245
• C5 全局平均池化得到 Cglb，Cglb 进行 Broadcast + 1×1 卷积，通道数量压缩为 α×p×p
• = 245 。

通过利用局部和全局信息，CEM 有效地扩大了感受野，并细化了特征图的表示能力。与先前的 FPN 结构相比，CEM predict 预测及减少 fc 计算，提高模型运算效率。