摘要：NanoDet 是一个速度超快和轻量级的挪动端 Anchor-free 指标检测模型。
前言
YOLO、SSD、Fast R-CNN 等模型在指标检测方面速度较快和精度较高，然而这些模型比拟大，不太适宜移植到挪动端或嵌入式设施；轻量级模型 NanoDet-m，对单阶段检测模型三大模块（Head、Neck、Backbone）进行轻量化，指标加检测速度很快；模型文件大小仅几兆（小于 4M）。
NanoDet 作者开源代码地址：https://github.com/RangiLyu/nanodet（致敬）
基于 NanoDet 我的项目进行小裁剪，专门用来实现 Python 语言、PyTorch 版本的代码地址：https://github.com/guo-pu/NanoDet-PyTorch
下载间接能应用，反对图片、视频文件、摄像头实时指标检测
先看一下 NanoDet 指标检测的成果：
同时检测多辆汽车：
查看多指标、指标之间重叠、同时存在小指标和大指标的检测成果：
NanoDet 模型介绍
NanoDet 是一种 FCOS 式的单阶段 anchor-free 指标检测模型，它应用 ATSS 进行指标采样，应用 Generalized Focal Loss 损失函数执行分类和边框回归（box regression）。
1）NanoDet 模型性能
NanoDet- m 模型和 YoloV3-Tiny、YoloV4-Tiny 作比照：
备注：以上性能基于 ncnn 和麒麟 980 (4xA76+4xA55) ARM CPU 取得的。应用 COCO mAP (0.5:0.95) 作为评估指标，兼顾检测和定位的精度，在 COCO val 5000 张图片上测试，并且没有应用 Testing-Time-Augmentation。
NanoDet 作者将 ncnn 部署到手机（基于 ARM 架构的 CPU 麒麟 980，4 个 A76 外围和 4 个 A55 外围）上之后跑了一下 benchmark，模型前向计算工夫只有 10 毫秒左右，而 yolov3 和 v4 tiny 均在 30 毫秒的量级。在安卓摄像头 demo app 上，算上图片预处理、检测框后处理以及绘制检测框的工夫，NanoDet 也能轻松跑到 40+FPS。
2）NanoDet 模型架构
3）NanoDet 损失函数
NanoDet 应用了李翔等人提出的 Generalized Focal Loss 损失函数。该函数可能去掉 FCOS 的 Centerness 分支，省去这一分支上的大量卷积，从而缩小检测头的计算开销，非常适合挪动端的轻量化部署。
具体请参考：Generalized Focal Loss:Learning Qualified and Distributed Bounding Boxes for Dense Object Detection
4）NanoDet 劣势
NanoDet 是一个速度超快和轻量级的挪动端 Anchor-free 指标检测模型。该模型具备以下劣势：
- 超轻量级：模型文件大小仅几兆（小于 4M——nanodet_m.pth）；
- 速度超快：在挪动 ARM CPU 上的速度达到 97fps（10.23ms）；
- 训练敌对：GPU 内存老本比其余模型低得多。GTX1060 6G 上的 Batch-size 为 80 即可运行；
- 不便部署：提供了基于 ncnn 推理框架的 C++ 实现和 Android demo。
基于 PyTorch 实现 NanoDet
基于 NanoDet 我的项目进行小裁剪，专门用来实现 Python 语言、PyTorch 版本的代码地址：
1）NanoDet 指标检测成果
同时检测出四位少年
在简单街道中，检测出行人、汽车：
通过测试发现 NanoDet 的确很快，但辨认精度和成果比 YOLOv4 差不少的。
2）环境参数
测试环境参数
零碎 ：Windows 编程语言 ：Python 3.8 整合开发环境：Anaconda
深度学习框架 ：PyTorch1.7.0+cu101（torch>=1.3 即可） 开发代码IDE：PyCharm
开发具体环境要求如下：
- Cython
- termcolor
- numpy
- torch>=1.3
- torchvision
- tensorboard
- pycocotools
- matplotlib
- pyaml
- opencv-python
- tqdm
通常测试感觉 GPU 减速（显卡驱动、cudatoolkit、cudnn）、PyTorch、pycocotools 绝对难装一点
Windows 开发环境装置能够参考：
装置 cudatoolkit 10.1、cudnn7.6 请参考
https://blog.csdn.net/qq_41204464/article/details/108807165
装置 PyTorch 请参考 https://blog.csdn.net/u014723479/article/details/103001861
装置 pycocotools 请参考 https://blog.csdn.net/weixin_41166529/article/details/109997105
3）体验 NanoDet 指标检测
下载代码，关上工程
先到 githug 下载代码，而后解压工程，而后应用 PyCharm 工具关上工程；
githug 代码下载地址：https://github.com/guo-pu/NanoDet-PyTorch
阐明：该代码是基于 NanoDet 我的项目进行小裁剪，专门用来实现 Python 语言、PyTorch 版本的代码
NanoDet作者开源代码地址：https://github.com/RangiLyu/nanodet （致敬）
应用 PyCharm 工具关上工程
抉择开发环境
文件(file)——> 设置(setting)——> 我的项目(Project)——>Project Interpreters 抉择搭建的开发环境；
而后先点击 Apply，期待加载实现，再点击 OK；
进行指标检测
具体命令请参考：
【指标检测 - 图片】
【指标检测 - 视频文件】
检测的是 1080*1920 的图片，很晦涩毫不卡顿，就是目前辨认精度不太高
4）调用模型的外围代码
detect_main.py 代码：
本文分享自华为云社区《指标检测模型 NanoDet（超轻量，速度很快）介绍和 PyTorch 版本实际》，原文作者：一颗小树 x。
点击关注，第一工夫理解华为云陈腐技术~