动态池化检测网络

省算力35%精度不降

输入自适应下采样，让检测器根据每张图像的尺寸动态分配计算资源，在微小目标检测中兼顾精度与效率。

Luqi, Gong · Haotian, Chen · Yikun, Chen · Tianliang, Yao · 李超 · 赵帅 · 韩光洁

IEEE Internet of Things Journal 2025

参数信息

计算量节省

35 %

计算量节省

25 %

技术优势

省算力不降精度

动态池化按图像内容调整下采样，在 TinyCOCO 与 TinyPerson 上分别节省 35% 和 25% 以上的计算量，检测性能仍与固定结构基线相当。

即插即用的动态分配

只需在骨干网络中加入轻量预测器输出下采样因子，无需大幅改动原有检测器，即可实现逐图计算资源分配。

应用场景

• 无人机视觉：无人机算力有限，DPNet 省算力且精度不降，适合机载实时检测。
• 边缘实时检测：边缘设备算力紧张，动态池化降低计算量，满足实时处理需求。
• 嵌入式视觉：嵌入式平台存储与算力有限，轻量预测器开销小，易于部署。