MambaNeXt-YOLO：一种用于实时目标检测的混合状态空间模型

实时目标检测是计算机视觉中的一个基本但具有挑战性的任务，尤其是在计算资源有限的情况下。尽管YOLO系列模型通过平衡速度和精度设定了强大的基准，但对更丰富的全局上下文建模的需求不断增加，导致了基于Transformer架构的应用。然而，由于自注意力机制的存在，Transformer的计算复杂度较高，这限制了其在实时和边缘部署中的实用性。为了解决这些挑战，最近在线性状态空间模型（如Mamba）方面的发展提供了一种有前景的替代方案，通过线性复杂度实现了高效的序列建模。基于这一见解，我们提出了MambaNeXt-YOLO，这是一种新颖的目标检测框架，通过以下三项关键贡献平衡了精度和效率：(1) MambaNeXt模块：一种混合设计，将卷积神经网络（CNN）与Mamba结合，有效捕捉局部特征和长距离依赖；(2) 多分支非对称融合金字塔网络（MAFPN）：一种增强的特征金字塔架构，提高了不同尺度目标的多尺度检测性能；(3) 面向边缘的高效性：我们的方法在PASCAL VOC数据集上达到了66.6%的mAP，在没有预训练的情况下实现了31.9 FPS的速度，并支持在NVIDIA Jetson Xavier NX和Orin NX等边缘设备上的部署。