【超快的目标检测网络模型】FastestDet:全新设计的超轻量级，超实时的Anchor-free目标检测算法

本篇文章转自知乎–马雪浩，主要设计了一个新颖的轻量级的目标检测模型！
代码地址：https://github.com/dog-qiuqiu/FastestDet

---

1. 概述

FastestDet是设计用来接替yolo-fastest系列算法，相比于业界已有的轻量级目标检测算法如yolov5n, yolox-nano, nanoDet, pp-yolo-tiny, FastestDet和这些算法压根儿不是一个量级，FastestDet无论在速度还是参数量上，都是要小好几个数量级的(不要在拿int8的模型和我fp32的模型比体积了,不公平)，但是精度自然而然也比不过。FastestDet是针对计算资源紧缺的ARM平台设计的，突出单核效能，因为在实际业务场景中，不会把所有CPU资源都给推理框架做模型推理的，假如说你想在例如树莓派, RK3399, RK3568去跑实时目标检测，那么FastestDet是比较好的选择，或者移动端上不想占用太多cpu资源，也可以去用单核并设置cpu sleep去推理FastestDet，在低功耗的条件下运行算法。

2. 新框架算法

先说下FastestDet的几个重要特性:

• 单轻量化检测头
• anchor-free
• 跨网格多候选目标
• 动态正负样本分配
• 简单的数据增强

下面我就一个个去详细讲下吧：