LSNet是一种基于“大视小聚焦”策略的轻量级视觉网络，通过模拟人眼视觉机制，提出LS卷积模块，在保持高效计算的同时显著提升了模型在图像分类、目标检测、实例分割和语义分割等任务上的性能。一、研究背景与挑战传统模型的局限性：卷积神经网络（CNN）和视觉Transformer（ViT）在计算机视觉任务中表现优异，但存在高计算代价和复杂资源需求的问题，限制了其在实时应用场景（如自动驾驶、嵌入式设备）中的部署。轻量化模型的瓶颈：当前轻量化模型主要依赖卷积或自注意力机制，在特征感知与聚合上存在效率与效果的平衡难题，尤其在计算预算受限时，模型表现力受制于结构局限。人眼视觉的启发：人类视觉系统通过“大范围感知”（See Large）和“局部聚焦”（Focus Small）的协同机制实现高效信息处理。视网膜中视杆细胞负责大范围低分辨率感知，视锥细胞集中于中央，擅长高分辨率细节识别。这种异尺度机制为轻量级网络设计提供了灵感。二、关键创新：LS卷积LS卷积的组成：LS卷积融合了大核静态卷积和小核动态卷积的优点，通过大核感知（LKP）和小核聚合（SKA）实现高效的信息感知与聚合。（a） LS 卷积图示。（b） LSNet 插图大核感知（LKP）：通过大核深度卷积扩大感受野，捕获丰富的上下文信息。采用点卷积降维和升维，优化计算效率。类似于人眼的周边视野，提供广域感知能力。小核聚合（SKA）：通过小核动态卷积，基于局部上下文对相关特征进行加权融合。分组机制用于降低内存和计算开销，同时确保细粒度特征的高效聚合。模拟中央视野，精确捕捉细节。组合设计的优势：LS卷积能够同时捕获全局和局部的信息，弥补现有轻量网络感知范围和表达能力不足的问题。三、LSNet架构设计整体架构：基于LS卷积，设计了一组轻量化模型架构——LSNet。整个网络分为多个阶段：初始阶段通过重叠卷积实现特征嵌入。中间阶段堆叠LS块，完成有效的特征混合。最后一阶段集成多头自注意力模块，用于捕捉长距离依赖。模型规模：LSNet分为三种规模（Tiny, Small, Base），以适应不同计算资源的限制。四、实验结果图像分类：在ImageNet-1K数据集上，LSNet与当前主流轻量模型相比，不仅达到了更高的Top-1准确率，同时显著提升了推理速度。例如，LSNet-B在相同计算预算下比AFFNet提升了0.5%的Top-1准确率，推理速度提升约3倍。目标检测与实例分割：在COCO-2017数据集上，LSNet通过集成到RetinaNet和Mask R-CNN框架，显著优于对比模型。例如，LSNet-S在边界框检测中超越了SHViT-S3，在分割任务中显著提升了实例分割的精确度。语义分割：在ADE20K数据集上，LSNet展现了更优的泛化能力。在单尺度测试下，与先进模型相比，LSNet在精度与效率之间取得更优的平衡。鲁棒性与可迁移性：通过在ImageNet-C、ImageNet-Sketch等数据集上的评估，LSNet表现出较强的域外泛化能力与抗扰性能，进一步证明其模型的通用性。五、总结与展望设计灵感：LSNet的设计灵感来源于人类视觉系统，其提出的LS卷积通过异尺度感知和动态聚合有效解决了轻量化模型的效率与表现力问题。技术优势：实验结果验证了LSNet在多种任务上的广泛适用性与技术优势，包括图像分类、目标检测、实例分割和语义分割等。未来方向：未来研究可以进一步探索LS卷积在其他视觉任务中的应用，以及如何优化其计算效率以适应更广泛的实时应用场景。