轻量化替代XYZNet中ResNet18的RGB-D特征提取网络

摘要

针对RGB-D位姿估计中特征提取网络参数量过大的问题，提出轻量子网络——轻质网(light weight net,LWNet)，替代XYZNet中的Res Net18主干。首先，设计了改进的C2f模块，与部分卷积(partial convolution,PConv)模块结合形成特征提取结构用于网络浅层的特征提取，提高了特征重用性;然后，设计了特征融合的高效层聚合网络(feature fusion efficient layer aggregation networks,FF-ELAN)模块用于网络深层的特征提取，以轻量的方式整合了全局特征;最后，为了适应网络深度的变化，采用了3个与Res Net18不同的下采样结构，使得参数量降低的同时获得更强大的性能。实验结果表明:优化网络的浮点计算量(floating point operations,FLOPs)压缩了58.1%，参数量削减了57.3%，推理速度提升了10.2%，同时，在Line MOD与YCB-Video数据集上分别获得1.3、0.8个百分点的精度增益。该架构显著提升了边缘计算场景的部署潜力。

关键词

图像处理 / 位姿估计 / RGB-D / 特征提取 / 残差网络 / 轻量级