Rapider-YOLOX：高效的轻量级目标检测网络

Abstract

作为一种轻量级网络结构，YOLOX-Nano具有运行速度快的优势。然而，该网络在实际应用中仍然存在特征提取能力较弱、检测精度不足的缺陷。为此，提出了一种综合平衡检测速度和检测精度的高效目标检测网络Rapider-YOLOX。首先，设计高效瓶颈模块，以提升原始 YOLOX-Nano 模型中深度卷积模块的特征提取能力。其次，设计软空间金字塔池化模块，以避免原始SPP模块容易出现丢失部分重要信息的现象，进一步提升多尺度信息融合及通道间信息交流的能力。最后，引入CIoU损失，利用预测框与真实框的中心距离及宽高比提升预测框的位置精度。在PASCAL VOC2007数据集上的实验结果表明，提出的Rapider-YOLOX模型的mAP达到77.92%，比原始YOLOX-Nano高3.79%。此外，在CUDA核心数仅为384的GT1030上，FPS达到45.40，在CPU上FPS也可达到23.94，从而在确保网络轻量级特性的同时，进一步提升了网络的检测精度和泛化性能。

Keywords

• 目标检测
• 高效卷积神经网络
• yolox-nano
• 轻量级
• 高精度