4、实验
4.1、检测头配置的影响
1、416x416分辨率
从图1可以看出，大量的物体与5个分辨率为416的检测头匹配。根据提出的探测头与物体分布的匹配策略，设置H1-5检测头来检测物体，从而达到最高的mAP值，如表1所示，这表明提出的策略是有效的。在这种情况下，5个检测头的配置最大限度地覆盖不同尺度的物体，从而达到最高的检测精度。
此外，根据提出的跨尺度检测头配置准则，选择具有丰富特征表示的H1和H3检测头来检测交通目标。从表1可以看出，与使用5个检测头相比，充分利用两个跨尺度检测头获得的mAP仅略有下降，但模型参数急剧下降了31%以上，FLOP也下降了14%以上，FPS提高了20%以上。检测精度、模型参数、FLOP和检测速度之间的出色平衡证明了提出的跨尺度检测头配置的效率。
此外，当部署连续H1和H2检测头时mAP值减小，这表明大量不匹配这两个检测头的目标可能超出检测头的有效感知范围，从而降低了探测精度。H1和H5检测头配置的检测精度也有类似的降低。用H4和H5检测头构建的模型获得最低的mAP值，特别是对于小目标。原因可能是在向下采样过程中，大量小目标的位置信息很容易丢失。在这种情况下，低分辨率特征图对应的检测头不能有效地表示小目标特征，导致检测结果很差。随着高分辨率特征图对应的检测头的增加，与检测头匹配的小目标数量逐渐增加，检测头对小目标的表示能力增强，检测性能提高。
2、800x800分辨率
输入分辨率为800时，计算目标分布与每个检测头之间的匹配关系，如图1所示。可以发现大量目标与H2-5检测头匹配。基于提出的检测头与目标分布的匹配策略，这4个检测头被用于检测交通目标。检测结果如表2所示。毫不奇怪，这4个检测头配置获得了最高的mAP值，这再次验证了提出的策略的有效性。
此外，根据提出的跨尺度检测头配置指南，采用H2和H4检测头，以在检测精度、模型参数、FLOP和检测速度之间取得良好的平衡。与输入分辨率为416的检测性能一致，连续H2和H3检测头的配置降低了检测精度。H4和H5检测头获得的mAP最低。通过添加与高分辨率特征图相对应的检测头，提高了小目标的检测性能。
然而，检测头越多越好。使用5个检测头获得的检测性能不如使用4个检测头得到的检测性能好。随着参数和FLOP的增加，检测精度和速度降低。原因可能是大量物体与H2-5检测头匹配，而与H1检测头匹配的物体不到1%。在这种情况下，增加H1检测头会导致检测头冗余，不利于模型优化。
3、1504x1504分辨率
从图1可以看出，输入分辨率为1504，大量目标与H3-5检测头匹配，而与H1和H2检测头匹配的物体很少，占不到1%。根据提议的检测头和目标分布匹配策略，使用H3-5检测头检测目标并获得最高mAP值，如表3所示。
此外，根据提议的跨尺度检测头配置指南，利用H3和H5检测头获得了与H3-5检测头相同的mAP值。虽然基于提议的跨尺度检测头H3,5配置的模型参数的减少和FPS的增加略好于使用H3-5检测头的那些，但提议的跨规模检测头配置指南的指导意义仍然有效。与输入分辨率为416和800的检测性能一致，H4和H5检测头获得的mAP最低。通过增加与高分辨率特征图相对应的检测头，提高了小目标的检测性能。同样，当继续添加与许多目标不匹配的检测头时，例如H2头，检测精度和速度会降低，模型参数和FLOP也会增加。
通常，检测头配置对不同输入分辨率下的检测性能有很大影响。基于提出的检测头和目标分布匹配策略，可以构建一个适用的模型，以实现比其他检测头配置更高的检测精度。根据提出的跨尺度检测头配置指南，只有两个检测头可以用来代替多个检测头，以在检测精度、模型参数、FLOP和检测速度之间取得极好的平衡。
4、空洞卷积的影响
使用配置有H1和H3检测头的轻量级模型作为基线，建议的空洞卷积模块与基线主干的不同下采样层相结合，以探讨空洞卷积对检测性能的影响。
从表5可以看出，将空洞卷积模块与第一个下采样层相结合，mAP值增加1.6，而模型参数仅增加了0.01M。将空洞卷积模块与第一个和第二个向下采样层相结合，mAP值提高了2.6，模型参数仅提高了0.06M。当空洞卷积模型进一步集成到主干的深层时，mAP数值略有增加，但模型参数和FLOP显著增加。原因可能是提出的空洞卷积模块利用大的空洞率来产生大的感受野，对于高分辨率的浅层特征具有明显的增益，但对于低分辨率的深层特征，增益将很弱。为了更好地平衡检测精度、参数、FLOP和检测速度，作者将空洞卷积模块与两个浅层下采样层相结合，构建了一个用于交通目标检测的轻量级检测模型。
4.2、SOTA对比
5、参考
[1].Rethinking the Detection Head Configuration for Traffic Object Detection.
6、推荐阅读
全新Backbone | 超越PvT,TWins等方法，ECOFormer使用哈希注意力成就高峰！
