简单粗暴提升yolov5小目标检测能力

论文地址：https://arxiv.org/abs/2208.03641

代码地址：GitHub – LabSAINT/SPD-Conv: Code for ECML PKDD 2022 paper. No More Strided Convolutions or Pooling: A Novel CNN Architecture for Low-Resolution Images and Small Objects.

        作者提出一种SPD组件，提升了yolov5各个模型在小目标上的检测能力，先看一下结论：

        该组件作者给出了数学上的解释：

        其实解释起来很简单，结合下图：

        和yolov5最开始做的focus是类似的，对于输入的特征图（长宽为S），从左到右以及从上到下每scale个像素采样一次，假设scale=2，采样方式就和上图一样，经过这样采样的输出长宽就是S/2，最后将采样后的输出进行concatenate，通道数就是scale的平方，即4。

        具体的应用，首先对比下网络架构的配置文件

        左侧是yolov5原始模型的网络架构，右图则是增加SPD结构的yolov5网络架构，其中红框部分就是两网络的区别之处 。

代码的实现也比较简单：

class space_to_depth(nn.Module):
    # Changing the dimension of the Tensor
    def __init__(self, dimension=1):
        super().__init__()
        self.d = dimension

    def forward(self, x):
         return torch.cat([x[..., ::2, ::2], x[..., 1::2, ::2], x[..., ::2, 1::2], x[..., 1::2, 1::2]], 1)
#         size_tensor = x.size()
#         return torch.cat([x[...,0:size_tensor[2]//2,0:size_tensor[3]//2],
#                          x[...,0:size_tensor[2]//2,size_tensor[3]//2:],
#                          x[...,size_tensor[2]//2:,0:size_tensor[3]//2],
#                          x[...,size_tensor[2]//2:,size_tensor[3]//2:]  ],1)

在coco val2017上的效果：

        其中红色箭头就是两者的区别。

        在原文中作者还将该结构应用在分类模型上，分类性能上也有一定的提升，感兴趣的可以看看原文。