ZeroHead: 轻量级检测头助力高效目标检测

近年来，目标检测领域涌现出许多优秀的算法，不断刷新性能上限。然而，高性能往往伴随着高计算成本，限制了模型的实际应用。

为了兼顾性能与效率，本文提出一种全新的检测头设计：ZeroHead。实验发现，采用大 Neck、小 Head 的结构能够获得更好的性能。 因此，ZeroHead 摒弃了传统方法中常用的复杂 Head 结构，仅保留一层用于分类和回归任务的线性投影层。

ZeroHead 的优势在于:

最大限度压缩计算量: 相较于传统 Head，ZeroHead 极大地减少了参数量和计算量，显著提升模型推理速度。* 为 Neck 网络提供更多资源: 节省下来的计算资源可以用于构建更强大、更复杂的 Neck 网络，例如 RepGFPN，进一步提升模型性能。

通过将 ZeroHead 与 RepGFPN 相结合，我们实现了高效的目标检测，在保证高精度的同时显著降低了计算成本。 实验结果表明，该方法在多个目标检测数据集上均取得了优异的表现。

关键词: 目标检测，深度学习，ZeroHead，RepGFPN，Neck，Head，轻量级，高效