YOLO的替代方案，手機上的97FPS無錨點目標檢測模型NanoDet現已開源~
1，什麽是Nanodet？
Nanodet是壹種面向移動終端的超快速輕量級無錨目標檢測模型，它是在FCOS模型的基礎上改進而來的。
2.Nanodet與其他模型的性能比較。
在華為P30上用NCNN運行benchmark，壹張圖片只需要10.23ms，比YoloV4-Tiny快3倍，參數量小6倍。可可地圖(05:0.95)能達到20.6。而型號重量檔只有1.8m
可以看到Nanodet可以有和YoloV4壹樣的貼圖——Tiny，參數更低，模型權重文件更小。
3.Nanodet的網絡結構圖。
主幹為Shuffnet V21.0x，去掉最後壹層的卷積層，提取采樣率為8/16/32倍的特征，輸入PAN進行多尺度特征融合。
4.Nanodet相對於FCOS的改進。
①探測頭
FCOS:* * * * * *享受探測頭的重量。
Nanodet:妳不* * *享受探測器頭，因為CPU是在移動端用於計算的，而* * *享受探測器頭重量並不會加速推理過程；* * *共用探測頭會進壹步降低其探測能力。
②標準化模式
FCOS:使用組規範化
Nanodet:用批量歸壹化代替分組歸壹化，因為後者比前者有很多優點，但有壹個缺點:批量歸壹化在推理時可以將其參數整合到卷積核中，省去這壹步計算可以節省時間。
③探測頭的尺寸
FCOS:檢測頭大小是四個256通道的卷積核為壹個分支，所以邊界回歸和分類是兩個分支，所以總共* * *需要八個256通道的卷積核。
Nanodet:將4個卷積核組減少到2個卷積核組。通道數量從256個減少到96個。邊界回歸和分類由檢測器共享，然後切成兩部分分別預測邊界回歸和分類。
④ FPN層
FCOS:沒有這個模塊。
Nanodet:以FPN為基礎，改進為PAN。原FPN在高層特征圖上線性插值後使用3*3卷積。但是，Nanodet刪除了FPN線性插值後使用的3*3卷積，僅保留了從主幹網絡要素中提取的1*1卷積，以對齊要素通道的維度。同時，在多層特征融合端只采用自頂向下的特征融合，而潘不僅采用自頂向下的特征融合，還采用自底向上的特征融合，采用的方法也是線性插值。
5.Nanodet的算法步驟
6.Nanodet的損失函數
7.Nanodet的優勢
(1)速度快
②模型參數權重文件較小
8.Nanodet的缺點
①地圖不高