Gold-YOLO: 基于集散机制的高效目标检测器

github：https://github.com/huawei-noah/EfficientComputing/tree/master/Detection/Gold-YOLO

Gold-YOLO模型是一种全新的实时目标检测器，其优点主要包括：

1. 提高了多尺度特征融合能力：Gold-YOLO通过使用先进的Gather-and-Distribute（GD）机制，实现了多尺度特征的融合，从而提高了检测器的性能。
2. 实现了延迟和准确性之间的理想平衡：在所有模型尺度上，Gold-YOLO都实现了延迟和准确性的理想平衡，这意味着它可以在保持高准确率的同时，实现快速的检测速度。

摘要：

在过去的几年里，YOLO 系列模型已经成为实时目标检测领域的主导方法。许多研究通过修改体系结构、增加数据和设计新的损失将基线提升到更高的水平。尽管特征金字塔网络(FPN)和路径聚合网络(PANet)已经缓解了这一问题，但是我们发现以往的模型仍然存在信息融合问题。因此，本研究提供了一个先进的集散机制(GD) ，它是通过卷积和自我注意操作来实现的。这种新设计的模型被命名为 Gold-YOLO，它提高了多尺度特征融合能力，并在所有模型尺度上实现了延迟和准确性之间的理想平衡。此外，我们首次在 YOLO 系列中实现了 MAE 风格的预训练，允许 YOLO 系列模型可以从无监督的预训练中受益。Gold-YOLO-N 在 COCO val2017数据集上获得了出色的39.9% AP，在 T4图形处理器上获得了1030 FPS，其表现优于以前的 SOTA 型 YOLOv6-3.0-N，具有类似的 FPS + 2.4% 。

方法：

TopFormer基于全局信息融合的思想，在语义分割任务中取得了显著的效果。本文在TopFormer的理论基础上，通过全局融合多层次特征并将全局信息注入到更高层次，提出了一种新颖的GD (gathering -and- distributed mechanism)机制来实现yolo中高效的信息交换。这显著增强了颈部的信息融合能力，而不会显著增加延迟，提高了模型在不同对象大小之间的性能。GD机制包括两个分支:浅层收集-分发分支和深层收集-分发分支，分别通过基于卷积的块和基于注意力的块提取和融合特征信息。为了进一步促进信息流，引入了一个轻量级的邻接层融合模块，在局部尺度上结合相邻层的特征。Gold-YOLO架构超过了现有的YOLO系列，有效地证明了所提出方法的有效性。