【论文笔记】：LAYN：用于小目标检测的轻量级多尺度注意力YOLOv8网络

背景

针对嵌入式设备对目标检测算法的需求，大多数主流目标检测框架目前缺乏针对小目标的具体改进，然后提出的一种轻量级多尺度注意力YOLOv8小目标检测算法。

小目标检测精度低的原因

1. 随着网络在训练过程中的加深，检测到的目标容易丢失边缘信息和灰度信息等。获得高级语义信息也较少，图像中可能存在一些噪声信息，误导训练网络学习不正确的特征。

2. 映射到原始图像的感受野的大小。当感受野相对较小时，空间结构特征保留较多，但抽象语义信息可能较少。相反，感受野较大时，保留了相对丰富的语义信息，但可能会丢失目标的空间结构信息。

3. 卷积神经网络（CNN）以离散方式实现特征提取，因此很难达到亚像素精度。在处理小目标时，如果神经网络在深层缺少一个像素，那么在浅层中可能缺少 8 或 16 个像素甚至更多像素。这对大型目标的影响很小，但对小型目标的影响很大。

YOLOv8 检测小目标

YOLOv8算法采用跨阶段部分暗网（CSPdarknet）作为特征提取的基础框架。然而，随着网络的深入，感受野会扩大，导致特征图维度的减小。因此，特征抽象加剧，语义特征变得越来越突出。然而，语义抽象的这种增强会导致精确位置信息的丢失，从而严重阻碍了对小目标的准确检测。

GhostNet

GhostNet轻量级神经网络架构,适用于移动设备和嵌入式系统。(包括Ghost模块、深度可分离卷积、通道洗牌以及宽度系数等。

Ghost模块

通过使用不同的卷积核大小和步长来实现特征映射的重叠，并将这些重叠部分合并为一个特征图。有效地减少参数数量，同时保持较高的准确性。

深度可分离卷积

深度可分离卷积将标准卷积分解成两个阶段：深度卷积和逐点卷积(点对点)。大大减少计算量，降低计算复杂度，从而使得模型更加轻量化。

通道洗牌

将输入通道划分为多个组，每个组内执行卷积操作并将结果合并。减少计算成本

宽度乘数

控制网络的宽度，更容易地减少参数数量。

多尺度注意力模块

空间注意力

空间注意力机制使卷积神经网络能够有效地辨别和学习需要注意的区域。此过程将原始图像中的空间信息映射到替代空间，从而保留关键的图像特征

渠道注意力

通过为n个通道的特征图分配权重来评估每个通道的特征图的重要性。权重越高表示频道的特征图包含更多关键特征，值得高度关注。

多尺度注意力

1.有效地减少了网络的参数数量，同时引入非线性激活层，提高学习能力。

2.捕获与特征图张量中的小目标相关的判别特征，同时考虑空间和通道维度。

这减少了由于图像中无关的非必要信息的影响而导致的潜在失真，最终增强了网络模型从小目标特征中学习的能力。

NMS

采用 NMS（非最大抑制）方法来消除冗余边界框，确保每个对象只保留一个边界框。

实验

采用PASCAL VOC数据集和MS COCO数据集进行测试。与传统的YOLOv8相比，所提算法在PASCAL VOC数据集上降低了49.62%的FLOP，减少了48.66%的模型参数计数，提高了5.41%的mAP，在常见目标检测数据集上表现出了优异的性能。在MS COCO数据集编译的车辆数据集上，mAP提高了6.96%，证实了LAYN算法的有效性和较强的泛化能力。该算法不仅实现了轻量级部署，还提高了检测精度，证明了其在小目标检测中的有效性。

例如，在PASCAL VOC数据集AP对比

此外，使用不同注意力机制的性能比较,也能体现出MA模块的性能

与现有主流轻量级目标检测算法的性能对比，与现有YOLO系列轻量级目标检测算法的性能比较，不同模型的参数、数量和 FLOP 结果等来证明LAYN算法的优势

结论：在保持较高检测精度的前提下，LAYN算法能够显著降低模型参数数量和计算复杂度。

总结创新点

骨干网的替换： 将 YOLOv8 骨干网替换为 GhostNet，减少参数数量和模型大小。

多尺度注意力模块 ： 引入了Multi-scale Mixed Attention Mechanism（MMAM）模块，通过自适应地选择重要特征来提高检测性能，并利用Soft-NMS方法选择性地选择对小目标检测至关重要的信息，抑制非关键信息，进一步优化检测结果（有效去除重叠区域的重复框，从而提高检测精度）。

思考：用自监督方式来训练模型学习特征；添加新数据只需要让模型学习新数据，无需重新训练整个模型

论文网址：LAYN: Lightweight Multi-Scale Attention YOLOv8 Network for Small Object Detection | IEEE Journals & Magazine | IEEE Xplore