研究背景
在自动驾驶技术快速发展的背景下，目标检测作为其核心组成部分面临着严峻挑战。 驾驶场景中目标尺度和大小的巨大差异 ，以及 视觉特征不显著且易受噪声干扰 的问题，对辅助驾驶系统的安全性构成了潜在威胁。
传统的卷积神经网络（CNN）虽然在目标检测领域取得了显著进展，但仍存在局限性，如 局部关注性导致难以有效检测不同尺度的目标 。为克服这些问题，研究人员开始探索将状态空间模型（SSM）引入目标检测领域，以期提高模型的全局建模能力和效率。
核心创新
DS MYOLO模型的核心创新点包括：
-
简化的扫描融合模块（SimVSS Block） ：由Mamba块与前馈网络串联组成，通过残差连接增强梯度通信，在低计算成本下促进深层特征融合。
-
高效通道注意力卷积算子（ECAConv） ：解耦卷积输出通道并执行跨通道注意力交互，显著建立通道依赖关系并增强表示，同时保持与标准卷积类似的计算复杂度。
这些创新点共同提升了模型的性能和效率，为驾驶场景下的多尺度目标检测提供了更可靠的解决方案。
整体设计
DS MYOLO模型的整体架构设计巧妙，充分融合了卷积神经网络（CNN）和状态空间模型（SSM）的优势，以适应自动驾驶场景中目标检测的需求。
模型主要由三个关键部分组成： 主干网络（Backbone） 、 颈部网络（Neck） 和 检测头（Detection Head） ，形成了一个完整的端到端目标检测系统。
主干网络
主干网络是DS MYOLO的基础，其设计理念旨在 有效提取丰富的特征信息 。网络结构如下：
-
Stem ：由顺序堆叠的空间卷积（SC）、批归一化和SiLU激活函数组成。经过两次下采样，生成尺寸为(H/4, W/4)的二维特征图，具有Ci个通道。
-
ECAConv ：作为一种轻量级特征提取模块，用于下采样操作，有效整合局部特征。
-
ECACSP ：进一步提取丰富的局部特征，增强特征表示能力。
颈部网络
颈部网络是DS MYOLO的核心创新点之一，其设计目的是 实现特征层的深度融合 。网络结构如下：
-
SimVSS Block ：由状态空间模型（SSM）和前馈网络串联组成，并通过残差连接增强。
-
PAFPN方法 ：采用3×3的空间卷积（SC）以步长为2进行下采样，并通过ECACSP进一步整合局部特征。
检测头
检测头是DS MYOLO的最后一个组成部分，其设计理念是 有效解码不同尺度的目标 。网络结构如下：
-
解耦头部 ：设计为解耦结构，提高模型的泛化能力和灵活性。
-
无NMS（非极大值抑制）设计 ：避免了传统NMS带来的性能瓶颈，提高了模型的检测效率。
这种整体设计使得DS MYOLO能够在保持较低计算复杂度的同时，有效整合全局和局部特征，实现跨不同尺度的目标检测。特别是SimVSS Block的引入，显著提高了模型的全局建模能力，使其能够更好地处理驾驶场景中目标尺度和大小的巨大差异。
状态空间模型
在DS MYOLO模型中，状态空间模型（SSM）是一个关键组成部分，它为模型提供了强大的全局建模能力。状态空间模型的核心思想是将系统的动态行为描述为一组状态变量随时间的演化过程。这种方法在目标检测领域的应用，为处理复杂的驾驶场景提供了新的思路。
DS MYOLO模型中的状态空间模型采用了一种 简化的扫描融合模块（SimVSS Block） 设计。这种设计巧妙地将状态空间模型与前馈网络相结合，形成了一个高效的特征融合单元。SimVSS Block的具体结构如下：
| 组件 | 描述 |
|---|---|
| Mamba块 | 作为SSM的实现，负责处理序列数据 |
| 前馈网络 | 增强模型的非线性表达能力 |
| 残差连接 | 增强梯度通信，促进深层特征融合 |
这种结构设计的优势在于：
-
提高计算效率 ：SimVSS Block能够在保持较低计算成本的同时，有效整合全局和局部特征。
-
增强全局建模能力 ：通过状态空间模型的应用，DS MYOLO能够更好地处理驾驶场景中目标尺度和大小的巨大差异。
-
促进深层特征融合 ：残差连接的引入增强了梯度通信，使得模型能够更有效地融合不同层次的特征信息。
