GhostShuffleNet检测网络

轻量高效即用

专为无人机图像目标检测设计的轻量网络，通过新型GhostShuffle单元和零样本神经架构搜索，在保持精度的同时大幅降低计算开销。

Yao, Fengqin · 王胜科 · Ding, Laihui · Guoqiang, Zhong · Leon Bevan, Bullock · Zhiwei, Xu · 董军宇

Knowledge-Based Systems 2023

参数信息

mAP

14.92 %

mAP

8.38 %

技术优势

无需搜索即可得

零样本神经架构搜索在搜索策略中加入参数、FLOPs、层数和访存成本约束，直接得到最优网络 GSmodel-L，无需训练候选网络。

精度不打折

在 VisDrone2019 上达到 14.92% mAP，在自建 UAV-OUC-DET 上达到 8.38% mAP，证明了轻量设计下的检测精度。

应用场景

• 无人机视觉：用于无人机端侧目标检测，直接替代现有耗资源的 NAS 模型。
• 嵌入式视觉：轻量网络可在低性能嵌入式平台上实时运行，降低计算需求。
• 边缘智能：模型紧凑，适合边缘设备本地推理，无需云端回传。
• 智能监控：高分辨率无人机图像中实现高效检测，适用于智能监控场景。