Air-Net:一种轻量级的车辆检测方法

车辆检测是计算机视觉领域中最具挑战性的任务之一,提升算法检测的速度及准确率具有重要的现实意义.针对目前车辆检测算法参数量大、速度较慢问题,提出一种轻量级的车辆检测算法Air-Net.首先基于非对称卷积以及残差连接原理构建出多残差非对称卷积模块(MulRes-AC block)用于提取目标特征,非对称卷积能极大减少算法的参数量,多残差结构能缓解网络梯度消失与爆炸问题,大幅度提升网络性能.然后使用特征统一融合与分配模块(feature unified fusion and assignment module,FUFA)融合来自主干网络中不同尺度的特征信息,并使用通道注意力机制去除与检测任务无关的噪声信息,使检测器能够直接接收到多种尺度的特征信息.在车辆数据集上进行实验,该方法的mAP为92％,检测速度为49.8 f/s.实验结果表明,所提出的轻量级车辆检测算法能够满足边缘设备的检测精度以及实时性要求.