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~