شبكة رئيسية فعالة من حيث الطاقة وحسابات الوحدة المعالجة الرسومية للكشف عن الأشياء في الوقت الحقيقي

بما أن شبكة DenseNet تحتفظ بالخصائص الوسيطة ذات الحقول المستقبلة المتنوعة من خلال تجميعها بالاتصال الكثيف، فإنها تظهر أداءً جيدًا في مهمة اكتشاف الأشياء. رغم أن إعادة استخدام الخصائص تمكن DenseNet من إنتاج خصائص قوية باستخدام عدد صغير من معلمات النموذج وعمليات الفلوبيس (FLOPs)، إلا أن الكاشف الذي يستخدم DenseNet كشبكة أساسية يظهر سرعة بطيئة وكفاءة طاقة منخفضة. نجد أن زيادة القنوات الدخلية بشكل خطي بواسطة الاتصال الكثيف يؤدي إلى تكلفة الوصول إلى الذاكرة الثقيلة، مما يسبب زيادة العبء الحسابي واستهلاك الطاقة الأكبر. لحل عدم كفاءة DenseNet، نقترح هندسة فعالة للطاقة والحساب تُسمى VoVNet وتتألف من التجميع الفوري (OSA). لا يقتصر OSA على اعتماد قوة DenseNet في تمثيل الخصائص المتنوعة باستخدام حقول مستقبلة متعددة فحسب، بل يتجاوز أيضًا عدم كفاءة الاتصال الكثيف بتجميع جميع الخصائص مرة واحدة فقط في خرائط الخصائص الأخيرة. لتأكيد فعالية VoVNet كشبكة أساسية، صممنا شبكات VoVNet خفيفة الوزن وكبيرة الحجم وطبّقناها على كاشفات الأشياء ذات المرحلة الواحدة والمرحلتين. أثبتت كاشفات VoVNet التي تعتمد عليها تفوقها على تلك التي تعتمد على DenseNet بسرعة أكبر بمقدار ضعفين وتقليل استهلاك الطاقة بمقدار 1.6 - 4.1 ضعف. بالإضافة إلى DenseNet، فإن VoVNet تتفوق أيضًا على شبكة ResNet الشهيرة المستخدمة بشكل واسع بسرعة أكبر وكفاءة طاقة أفضل. بشكل خاص، تم تحسين أداء اكتشاف الأشياء الصغيرة بشكل كبير مقارنة بـ DenseNet و ResNet.