1 设计思想
ThunderNet的优化目标是二阶段检测器中计算开销大的结构。
- 在backbone部分，设计了轻量级网络SNet；
- 在detection部分，借鉴Light-Head R-CNN的思路，并进一步压缩RPN和R-CNN子网络。
为了避免性能的衰退，设计了2个高效的结构CEM和SAM来改善性能。
2 网络架构
图1 ThunderNet网络架构
ThunderNet的输入是分辨率的图像。
- Backbone部分，采用SNet，SNet基于Shuffle Net V2修改得到的。
- Detection部分，利用了压缩的RPN网络，从Light-Head R-CNN的轻量化head方法，来提高计算效率。
- Context Enhancement Module（CEM），整合局部和全部特征增强网络特征表达能力。
- Spatial Attension Module（SAM），引入来自RPN的前后景信息用于优化特征分布。
3 实现
backbone部分：
- 输入图像的分辨率应该和骨干网络的能力相匹配。
- 骨干网络需要利用深层语义信息和浅层高分辨信息。
考虑到ShuffleNet V1/V2限制了感受野，ShuffleNet V2和MobileNet V2缺乏浅层特征，Xception在算力低的情况下缺乏深层特征。作者对ShuffleNet V2进行了改进，这里的backbone网络称为SNet（为了检测目的单独设计）。
图2 SNet的网络结构
SNet49用于更快的推理，SNet535用于更好的精度，SNet146用于更好的速度/精度权衡。
detection部分：
为了与backbone网络匹配，作者改进了light-head R-CNN的head部分，主要设计了两个模块。
- Context Enhancement Module(CEM)。
图3 Context Enhancement Module
CEM合并三个尺度的特征图。
- 尺度一：C4特征图上应用
积以将通道数量压缩为
- 尺度二：C5进行上采样 + C5特征图上应用
- 尺度三：Cglb进行Broadcast + Cglb特征图上应用
- Spatial Attension Module(SAM)
思想：使用来自RPN学习到的知识来细化特征图的特征分布。
其中是一个尺度变换，用来匹配两组特征图中的通道数。
图4 SAM结构
4 性能分析
图5 VOC2007上的性能
图6 COCO数据集上的性能
5 总结
本文首先介绍了ThunderNet的思想，然后简介了ThunderNet的网络结构，以及重点改进的CEM和SAM结构，最后给出了在VOC2007和COCO数据集上的性能比较。
