主干网络篇 | YOLOv5/v7 更换骨干网络之 HGNetv2 | 百度新一代超强主干网络

主干网络篇 | YOLOv5/v7 更换骨干网络之 HGNetv2 | 百度新一代超强主干网络

1. 简介

近年来，随着深度学习技术的快速发展，目标检测领域取得了显著的进步。然而，传统的目标检测模型通常存在精度与速度难以兼顾的问题。

为了解决这个问题，百度提出了一种新的轻量级高效骨干网络 HGNetv2。HGNetv2 采用了多种先进的技术，例如 CSP Ghost Module、Channel Attention Module、Depthwise Separable Convolutions 等，在保证模型精度的同时，也显著提高了模型的推理速度。

本文将介绍将 HGNetv2 作为主干网络替换 YOLOv5/v7 中原有骨干网络的方案，并探讨 HGNetv2 的架构设计和原理。

2. 原理详解

HGNetv2 的核心思想是通过堆叠多个 CSP Ghost Module 来提取特征。CSP Ghost Module 是一种轻量级的卷积模块，它将深度卷积拆解为多个浅层卷积，并采用逐层融合策略，提高了模型的性能和效率。

此外，HGNetv2 还采用了 Channel Attention Module 和 Depthwise Separable Convolutions 等技术来进一步提高模型的性能。Channel Attention Module 可以关注特征图中重要的通道，提高模型对关键信息的捕捉能力。Depthwise Separable Convolutions 可以减少模型的参数量和计算量，提高模型的推理速度。

HGNetv2 的整体架构如下图所示：

​编辑Opens in a new wind