重新思考交通目标检测中检测头的配置

多尺度检测在目标检测模型中起着重要作用。然而，研究者通常对如何在不同输入分辨率下结合多尺度特征合理配置检测头感到茫然。我们发现，在不同输入分辨率下，目标分布与检测头之间存在不同的匹配关系。基于这一指导性发现，我们提出了一种基于检测头与目标分布匹配的轻量级交通目标检测网络，称为MHD-Net。它由三个主要部分组成。其一是检测头与目标分布匹配策略，用于指导检测头的合理配置，从而利用多尺度特征有效检测尺度差异极大的目标。其二是跨尺度检测头配置准则，指导以仅含两个具备丰富特征表示的检测头替代多个检测头，在检测精度、模型参量、FLOPs与检测速度之间取得优异平衡。其三是感受野扩大方法，将空洞卷积模块与骨干网络浅层特征结合，以极微小增加模型参量为代价进一步提升检测精度。所提模型在BDD100K数据集与我们提出的ETFOD-v2数据集上取得了优于其他模型的竞争力表现。代码将公开。