目标检测中的Decoupled head（解耦合头）和Coupled head（耦合头）

👻解耦合头和耦合头是目标检测中常见的两种头部设计，用于从检测网络的特征图中提取目标位置和类别信息。
（先看概念，概念看不懂可以直接看图一定能懂😁）

文章目录

• • 耦合头（Coupled head）
  • 解耦合头（Decoupled head）
  • 概念图
  • 总结

 

耦合头（Coupled head）

耦合头通常是将卷积层输出的特征图直接送入几个全连接层或卷积层中，以生成目标位置和类别的输出。
优点：

• 设计思路简单

缺点：

• 需要大量的参数和计算资源，容易出现过拟合

解耦合头（Decoupled head）

解耦合头则是将目标位置和类别信息分别提取出来，通过不同的网络分支分别学习，最后再进行融合。
优点：

• 可以有效减少参数量和计算复杂度
• 增强模型的泛化能力和鲁棒性

概念图

下面放图，直接秒懂，下图中yolov3-yolov5是使用anchor based，yolox使用anchor free

 

总结

简单来说，解耦合头突出在一个解字，就是把特征图用不同的分支分开处理，而耦合头不分开 一起处理了。
常见的解耦合头设计包括Faster R-CNN中的RPN（Region Proposal Network）和 Fast R-CNN中的RoI Pooling。