官方解读：YOLO之外的另一选择，手机端97FPS的Anchor-Free目标检测模型NanoDet现已开源~ - 知乎

official implementation：

GitHub - RangiLyu/nanodet: NanoDet-Plus⚡Super fast and lightweight anchor-free object detection model. 🔥Only 980 KB(int8) / 1.8MB (fp16) and run 97FPS on cellphone🔥

Backbone 

backbone采用ShuffleNetV2-1.0x，采用stage2、3、4的输出作为neck的输入，下采样倍数分别为为8、16、32。ShuffleNetV2的具体介绍见ShuffleNet v2。

Neck

neck部分采用PAN的结构并进行了一些修改，原始PAN的具体介绍见PANet（CVPR 2018）原理与代码解析。backbone中C2~C4的输出通道数为[116, 232, 464]，lateral_conv的输出通道为96。这里的修改主要是将bottom-up path中的下采样方式由stride=2的3x3卷积改成了和top-down path中上采样一样的方式，即双线性插值。

至于官方解读里提到的不同尺度特征融合之前yolo采用的是concatenate，这里采用的是add，原始PAN采用的也是add，因此也不算修改。

Head

head部分的改动比较多。RetinaNet、FCOS中FPN不同层级的输出进入同一个检测头，检测头分为分类、回归两个分支，每个分支首先是4个卷积层，然后分别是分类和回归的输出卷积层。YOLOX中采用的是decoupled head，不同FPN层级的输出接不同的检测头，检测头的内部结构和FCOS是一样的。RTMDet中不同FPN层级的输出共享卷积参数，但BN层独立。即不同层级FPN的输出还是进入不同的检测头，但不同检测头里两个分支的前4个卷积是相同的，但BN层以及最后的分类、回归的输出卷积层是独立的。

最后是nanodet，采用的是和YOLOX一样的decoupled head，但检测头内部不再分为分类和回归两个分支，前面的4个卷积改为2个，最后经过一个输出卷积层，然后沿通道split得到分类和回归的输出。

Label Assignment

标签分配采用的是ATSS，没有做修改，具体介绍见ATSS：Adaptive Training Sample Selection原理与代码解读。

Loss

损失函数采用的是Genreal Focal Loss，具体介绍见Generalized Focal Loss 原理与代码解析。