5个常用的主干网络模型

5个常用的主干网络模型

在深度学习行业中，目标检测是一大类应用，网络主要由三部分结构组成，主干网络、颈部网络、检测头，它们在网络中分别扮演者提取特征、二次处理特征（一般是融合、多尺度提取）、提取目标信息（类别、置信度、坐标位置 ）的功能。

本文介绍5种常用的主干网络模型和它们各自的应用。

VGG

出自：2014，牛津大学
架构特点：采用重复的3x3卷积核和2x2最大池化层堆叠
特征传递：通过连续小卷积核实现渐进式特征提取
优势：结构简单统一（未引入任何特殊的层），小卷积核组合可模拟大感受野，特征提取能力强
局限：参数量大（VGG16约1.38亿参数），全连接层占比超90%，易过拟合，计算成本高
激活函数：采用ReLU
典型变体：VGG16（13卷积层+3全连接）和VGG19（16卷积层+3全连接）
应用场景：早期目标检测框架（如Faster R-CNN）的基础骨干，现多用于迁移学习或特征提取
主要价值点：证明了增加网络深度可以在一定程度上提升网络的最终性能

现代改进：

• 全连接层替换为全局平均池化（GAP）减少参数
• 迁移学习中作为特征提取器冻结前10层

ResNet

出自：2016，微软
架构特点：引入残差连接（Shortcut Connection）解决梯度消失问题，核心单元为Bottleneck结构（1x1-3x3-1x1卷积组合）
优势：

• 解决梯度消失与退化问题：通过跳跃连接将输入直接传递到输出，缓解梯度消失问题，使深层网络训练成为可能
• 高效训练：Batch Normalization加速收敛，无需Dropout
• 模块化设计：残差块可灵活堆叠，支持网络深度扩展（如ResNet-152甚至1202层）
• 迁移学习能力强：预训练模型在多种视觉任务中表现优异
  局限：
• 计算资源需求高：深层模型（如ResNet-152）需大量显存和训练时间
• 小数据泛化能力有限：易过拟合，依赖大规模数据
• 特征失真风险：跳跃连接需尺寸匹配，可能需额外卷积调整维度
  预激活结构：（BN-ReLU-Conv顺序）
  应用场景：
  ResNet-18/34：边缘设备实时检测（如无人机避障、工业缺陷检测）
  ResNet-50：服务器级通用检测（电商视觉搜索、遥感分类）
  ResNet-101/152：医疗影像分析、高精度遥感检测
  主要价值点：
• 突破性深度：首次实现152层网络训练，ILSVRC竞赛多项冠军（分类/检测/分割）。
• 跨领域适用性：从图像分类扩展到目标检测（Faster R-CNN）、语义分割（DeepLab）等。
• 工业部署优化：支持TensorRT量化，适配移动端（如Jetson Nano）与服务器集群

Darknet

出自：2016
架构特点：实时检测（YOLO系列）专用骨干，CSPDarknet53采用跨阶段部分连接（CSP）和残差结构，包含53个卷积层，无全连接层
优势：
参数效率高（相比VGG减少90%参数）
支持Darknet框架原生加速，适合嵌入式部署
演进：
Darknet-19：YOLOv2骨干，含19个卷积层+5个池化层
CSPDarknet53：YOLOv4/v5骨干，引入CSP结构增强梯度流
应用场景：实时目标检测（自动驾驶、安防监控），典型帧率可达100FPS+

主要价值：

• 支持YOLO系列算法实现100FPS+的检测速度
• 纯C/CUDA编写，便于嵌入式部署（速度优势）
• DarkNet-53以53层卷积实现与ResNet-101/152相当的精度，但计算量减少30%以上，无全连接层
• CSP结构：梯度分流减少重复计算

MobileNet

出自：2017，谷歌
架构特点：基于深度可分离卷积（Depthwise Separable Convolution），分解标准卷积为逐通道卷积+逐点卷积，V2/V3版本加入反向残差块和线性瓶颈
可调参数：

• 宽度因子α（默认1.0）控制通道数
• 分辨率因子ρ（默认224px）调整输入尺寸
  应用场景：
• MobileNetV1：移动端实时分类（如相册自动 tagging）
• MobileNetV2：轻量级目标检测（SSD-MobileNet组合）
• MobileNetV3：端侧AI芯片部署（华为NPU适配）
  优势：
• 计算量降至标准卷积的1/9（K=3时），参数量减少75%
• 灵活适配不同硬件，支持动态调整α和ρ
  主要价值点：
• 移动端高效推理：在ImageNet上Top-1准确率70%+时仅需300M FLOPs
• 工业部署友好：TensorFlow Lite和CoreML原生支持，安卓/iOS无缝集成

ShuffleNet

出自：2017， 旷视
架构特点：通过分组卷积（Group Convolution） + 通道混洗（Channel Shuffle）实现组间信息交互，结合逐点群卷积降低计算量，V2版本优化内存访问成本
关键技术：

• 分组卷积+通道置换矩阵
• 多尺度特征融合结构
  性能对比：
• ShuffleNetV1：ImageNet分类仅需40M FLOPs
• ShuffleNetV2：实际推理速度比V1提升20%
  应用场景：
• 超低功耗设备（智能门锁人脸识别）
• 实时视频分析（手机AR特效）
  优势：
• 极致轻量化：参数量＜1M，适合10-150 MFLOPs计算预算
• 硬件友好：优化内存访问，避免碎片操作，提升实际帧率
  主要价值点：
• 移动端速度快：ShuffleNetV2在ARM设备达30FPS+，适用于资源敏感场景。
• 工程应用：推动轻量网络实用化

总结

VGG证明深度堆叠，ResNet突破深度限制，Darknet优化实时性，MobileNet/ShuffleNet专攻速度与轻量化。

物极必反，不见出路（深度）就回头找出路（残差），网络设计也在轮回，最终走向了好用（效率优先）为先的“实用主义”之路上。