MnasFPN：面向移动端目标检测的时延感知金字塔架构学习

尽管在资源受限环境下的视觉任务中，架构搜索技术已取得显著成功，但设备端目标检测架构的设计仍主要依赖人工设计。现有的少数自动化搜索方法要么基于非移动端友好的搜索空间，要么缺乏对设备端延迟的引导。为此，我们提出MnasFPN——一种面向检测头的移动端友好型搜索空间，并结合考虑延迟的架构搜索方法，以生成高效的检测模型。实验结果表明，当MnasFPN检测头与MobileNetV2主干网络配合使用时，在Pixel设备上以相近延迟下，其mAP性能较MobileNetV3+SSDLite提升1.8个百分点；同时，在准确率上比NAS-FPNLite高出1.0 mAP，且推理速度提升10%。消融实验显示，性能提升的绝大部分源于搜索空间本身的创新设计。进一步分析揭示了搜索空间设计与搜索算法之间存在有趣的耦合关系，且MnasFPN的搜索空间复杂度可能处于局部最优状态。