【前言】前幾天瘋狂刷屏的RT-DETR賺足了眼球，在精度和速度上體現的優勢和性價比遠遠高于YOLO，而今年ChatGPT、Sam的出現，也讓一些吃瓜群眾知乎CNN沒有未來了，今天的文章，我們簡單聊一聊RT-DETR的骨干網絡，HGNetv2。

一、RT-DETR橫空出世

前幾天被百度的RT-DETR刷屏，該提出的目標檢測新范式對原始DETR的網絡結構進行了調整和優化，以提高計算速度和減小模型大小。這包括使用更輕量級的基礎網絡和調整Transformer結構。并且，摒棄了nms處理的detr結構與傳統的物體檢測方法相比，不僅訓練是端到端的，檢測也能端到端，這意味著整個網絡在訓練過程中一起進行優化，推理過程不需要昂貴的后處理代價，這有助于提高模型的泛化能力和性能。

當然，人們對RT-DETR之所以產生濃厚的興趣，我覺得大概率還是對YOLO系列審美疲勞了，就算是出到了YOLO10086，我還是只想用YOLOv5和YOLOv7的框架來魔改做業務。。

二、初識HGNet

看到RT-DETR的性能指標，發現指標最好的兩個模型backbone都是用的HGNetv2，毫無疑問，和當時的picodet一樣，骨干都是使用百度自家的網絡。初識HGNet的時候，當時是參加了第四屆百度網盤圖像處理大賽，文檔圖像方向識別專題賽道，簡單來說，就是使用分類網絡對一些文檔截圖或者圖片進行方向角度分類。

當時的方案并沒有那么快定型，通常是打榜過程發現哪個網絡性能好就使用哪個網絡做魔改，而且木有顯卡，只能蹭Ai Studio的平臺，不過v100一天8小時的實驗時間有點短，這也注定了大模型用不了。

流水的模型，鐵打的煉丹人，最后發現HGNet-tiny各方面指標都很符合我們的預期，后面就一直圍繞它魔改。

當然，比賽打榜是目的，學習才是享受過程，當時看到效果還可以，便開始折騰起了HGNet的網絡架構，我們可以看到，PP-HGNet 針對 GPU 設備，對目前 GPU 友好的網絡做了分析和歸納，盡可能多的使用 3x3 標準卷積（計算密度最高），PP-HGNet是由多個HG-Block組成，細節如下：

ConvBNAct是啥？簡單聊一聊，就是Conv+BN+Act，CV Man應該最熟悉不過了：

classConvBNAct(TheseusLayer):
def__init__(self,
in_channels,
out_channels,
kernel_size,
stride,
groups=1,
use_act=True):
super().__init__()
self.use_act=use_act
self.conv=Conv2D(
in_channels,
out_channels,
kernel_size,
stride,
padding=(kernel_size-1)//2,
groups=groups,
bias_attr=False)
self.bn=BatchNorm2D(
out_channels,
weight_attr=ParamAttr(regularizer=L2Decay(0.0)),
bias_attr=ParamAttr(regularizer=L2Decay(0.0)))
ifself.use_act:
self.act=ReLU()

defforward(self,x):
x=self.conv(x)
x=self.bn(x)
ifself.use_act:
x=self.act(x)
returnx

且標準卷積的數量隨層數深度增加而增多，從而得到一個有利于 GPU 推理的骨干網絡，同樣速度下，精度也超越其他 CNN ，性價比也優于ViT-base模型。

另外，我們可以看到：

• PP-HGNet 的第一層由channel為96的Stem模塊構成，目的是為了減少參數量和計算量。PP-HGNet
• Tiny的整體結構由四個HG Stage構成，而每個HG Stage主要由包含大量標準卷積的HG Block構成。
• PP-HGNet的第三到第五層使用了使用了可學習的下采樣層（LDS Layer），該層group為輸入通道數，可達到降參降計算量的作用，且Tiny模型僅包含三個LDS Layer，并不會對GPU的利用率造成較大影響.
• PP-HGNet的激活函數為Relu，常數級操作可保證該模型在硬件上的推理速度。

三、再探HGNetv2

時隔半年，出世的RT-DETR又讓我關注起了這個網絡，而此時，HGNet已不叫HGNet，就像陳老師已經不是當年的陳老師，阿珍也不是當初那片星空下的阿珍，現在升級換代變成了Pro版本。我們看看v2版本做了哪些變動？最基本的組成單元還是ConvBNAct不變，但該結構添加了use_lab結構，啥是use_lab結構，簡單來說就是類似于resnet的分支殘差，但是use_lab是使用在了純激活函數部分：

#refertohttps://github.com/PaddlePaddle/PaddleDetection/blob/develop/ppdet/modeling/backbones/hgnet_v2.py
classConvBNAct(nn.Layer):
def__init__(self,
in_channels,
out_channels,
kernel_size=3,
stride=1,
padding=1,
groups=1,
use_act=True,
use_lab=False,
lr_mult=1.0):
super().__init__()
self.use_act=use_act
self.use_lab=use_lab
self.conv=Conv2D(
in_channels,
out_channels,
kernel_size,
stride,
padding=padding
ifisinstance(padding,str)else(kernel_size-1)//2,
groups=groups,
bias_attr=False)
self.bn=BatchNorm2D(
out_channels,
weight_attr=ParamAttr(
regularizer=L2Decay(0.0),learning_rate=lr_mult),
bias_attr=ParamAttr(
regularizer=L2Decay(0.0),learning_rate=lr_mult))
ifself.use_act:
self.act=ReLU()
ifself.use_lab:
self.lab=LearnableAffineBlock(lr_mult=lr_mult)
#激活函數部分添加lab結構

同時，use_lab結構可以通過scale控制分流大小：

#refertohttps://github.com/PaddlePaddle/PaddleDetection/blob/develop/ppdet/modeling/backbones/hgnet_v2.py
classLearnableAffineBlock(nn.Layer):
def__init__(self,
scale_value=1.0,
#scale設置分流占比
bias_value=0.0,
lr_mult=1.0,
lab_lr=0.01):
super().__init__()
self.scale=self.create_parameter(
shape=[1,],
default_initializer=Constant(value=scale_value),
attr=ParamAttr(learning_rate=lr_mult*lab_lr))
self.add_parameter("scale",self.scale)
self.bias=self.create_parameter(
shape=[1,],
default_initializer=Constant(value=bias_value),
attr=ParamAttr(learning_rate=lr_mult*lab_lr))
self.add_parameter("bias",self.bias)

defforward(self,x):
returnself.scale*x+self.bias

除此之外，相對于第一版，HGNetv2已摘除了ESE模塊，但提供了LightConvBNAct模塊，更加具體的內容可參見：https://github.com/PaddlePaddle/PaddleDetection/blob/develop/ppdet/modeling/backbones/hgnet_v2.py

PP-HGNetv2的整體結構詳見下圖：

【結尾】 總體而言，HGNet還是一個比較低調的網絡，官方也沒有過多宣傳，但是好不好用，依舊還是使用者說了算，后續如果DETR變體可以在國內常見的板端成熟落地，如瑞芯微，地平線，高通等芯片上適配，會給使用者帶來更多的選擇。