4、轻量检测模型选型：YOLO系列（tiny/nano）、SSD-MobileNet、EfficientDet-Lite等主流轻量架构对比

在TinyML场景中，模型选型直接决定了端侧推理的可行性、精度上限与部署成本。面对YOLO系列（tiny/nano）、SSD-MobileNet、EfficientDet-Lite等主流轻量架构，开发者往往陷入“参数少即适合”“精度高即优先”的直觉误区。实际上，端侧限制不仅包含参数量与计算量（FLOPs），还涉及内存带宽、算子支持度、量化敏感性、多尺度特征融合效率以及推理框架的兼容性。本章将从架构设计原理出发，建立一套可量化的选型判断方法，并结合实际案例拆解选型决策的全过程。

上图展示了轻量检测模型选型的核心决策框架：端侧约束输入（内存、算力、功耗、延迟）经过候选模型与四维评估矩阵的交叉分析，最终输出硬件匹配度评分、量化后精度预估与推荐模型。该框架的核心在于将“模型架构”与“硬件特性”进行联合建模，而非孤立地比较参数量或FLOPs。下面将逐一剖析三种主流轻量架构的设计哲学与适用边界。

4.1 核心原理：三种轻量架构的设计哲学

YOLO系列（tiny/nano） 继承了YOLO系列单阶段检测的“直接回归”思想，通过去除冗余层、缩减通道数（如YOLOv5n的宽度因子0.25）实现轻量化。其关键创新在于anchor-free机制（如YOLOv8）与多尺度特征融合（PANet结构），使得模型在极小参数量下仍能保持对多尺度目标的感知能力。YOLO-tiny通常保留3个检测头，分别对应浅层（小目标）、中层（中目标）、深层（大目标）特征图，这种设计在端侧部署时对内存带宽的要求较高，因为多尺度特征图需要同时驻留内存。

SSD-MobileNet 是“基础特征提取器+多尺度默认框”的经典组合。MobileNet系列（V1/V2/V3）通过深度可分离卷积（Depthwise Separable Convolution）将计算量降低为传统卷积的1/8~1/9，而SSD头部在多个特征层上预设不同宽高比的默认框（Default Boxes），实现多尺度检测。该架构的优势在于模块化程度高，特征提取器可独立替换（如MobileNetV3-Lite），且默认框机制在训练时易于收敛。但其缺点在于默认框的尺寸和宽高比需要人工设计，对特定数据集可能需要调参。

EfficientDet-Lite 是Google提出的高效检测家族，其核心是BiFPN（双向特征金字塔网络）与复合缩放（Compound Scaling）。BiFPN通过加权双向跨尺度连接，让不同层级的特征图更高效地融合；复合缩放则同时调整输入分辨率、骨干网络深度/宽度、BiFPN层数，实现精度-效率的帕累托最优。EfficientDet-Lite系列（D0-D4）专为移动端设计，在相同FLOPs下通常比SSD-MobileNet精度更高，但其BiFPN结构包含大量可学习权重，对INT8量化更敏感。

从表中可以看出，SSD-MobileNet在FLOPs上最低，适合极致低功耗场景；YOLO系列在参数量与多尺度能力上平衡较好；EfficientDet-Lite在精度上通常最优，但量化风险最高。选型时不能只看单一指标，需要结合端侧硬件特性综合判断。

4.2 判断方法：四维评估矩阵与量化决策流程

面对具体项目，建议按照以下四步流程进行选型判断：

1. 硬件约束建模：明确目标芯片的算力（如Cortex-M7为480 DMIPS，Cortex-A53为2.3 DMIPS/MHz）、内存容量（SRAM/PSRAM）、带宽（如8-bit LPDDR4为3200 MT/s）以及功耗预算（如100mW）。将FLOPs转换为MACs（1 FLOP = 0.5 MAC），估算理论延迟下限。
2. 候选模型初筛：根据MACs预算（通常不超过硬件峰值算力的30%），筛选出2-3个候选模型。例如，若硬件峰值算力为50 GMACs，则候选模型MACs应小于15 GMACs。
3. 量化模拟与算子映射：使用TensorFlow Lite或ONNX Runtime的量化工具，对候选模型进行INT8量化模拟，记录精度下降幅度。同时检查目标推理框架（如TensorFlow Lite Micro、CMSIS-NN）是否支持模型中的全部算子（如BiFPN中的深度可分离卷积、YOLO中的SiLU激活函数）。
4. 端到端原型验证：在真实硬件上运行量化后的模型，测量实际延迟、内存峰值和功耗。注意，理论FLOPs与实际延迟往往存在2-5倍差距，因为内存访问、缓存命中率、算子并行度等因素未被理论模型覆盖。

量化敏感性是端侧选型中最容易被低估的维度。YOLO系列中的SiLU激活函数在INT8量化时容易出现较大误差，因为其输出范围不是对称的；SSD-MobileNet的ReLU6激活函数则对量化更友好。EfficientDet-Lite的BiFPN包含大量加权求和操作，这些操作的权重在量化时若未进行逐通道校准，会导致精度显著下降。因此，在选型时建议优先选择激活函数为ReLU/ReLU6、且无复杂自定义算子的模型。

4.3 案例拆解：智能摄像头场景下的选型实战

项目背景与约束：某智能家居厂商需要开发一款低功耗人体检测摄像头，采用瑞萨RA6M4（Cortex-M33 @ 200MHz，内置640KB SRAM，无外部存储），功耗预算为150mW，要求检测延迟小于500ms，检测精度（mAP@0.5）不低于0.75。输入图像分辨率限制为192×192（因内存限制）。

初始现象与目标：团队最初选择YOLOv5n，认为其参数量最小。但在实际部署时发现，YOLOv5n的PANet结构需要同时缓存3个尺度的特征图，内存峰值达到780KB，超出SRAM容量，导致频繁的Flash读取，实际延迟达到1.2秒，远超预算。

关键输入数据与分析过程：

• 硬件算力：200MHz × 2 MACs/cycle = 400 MMACs/s，理论峰值算力为0.4 GMACs/s。
• YOLOv5n在192×192输入下MACs约为1.2G，理论延迟下限为3秒（1.2G / 0.4G），显然不可行。
• SSD-MobileNetV2在192×192下MACs约为0.3G，理论延迟下限为0.75秒，接近预算但仍有风险。
• EfficientDet-Lite0在192×192下MACs约为0.5G，理论延迟下限为1.25秒，不可行。

进一步分析内存占用：SSD-MobileNetV2的6层特征图（19×19×256、10×10×256等）总内存约为350KB，加上中间激活值，峰值约420KB，可放入SRAM。而YOLOv5n的3个检测头特征图（24×24×128、12×12×256、6×6×512）虽然单层内存不大，但PANet的跨尺度融合需要同时保留所有层，导致峰值内存过高。

实际操作步骤：

1. 将SSD-MobileNetV2的输入分辨率从300×300降至192×192，重新训练并量化。
2. 使用CMSIS-NN的INT8内核进行推理，将深度可分离卷积替换为CMSIS-NN优化的实现。
3. 对默认框的尺寸进行微调，使其适配人体检测场景（宽高比集中在0.4-1.0）。
4. 使用TensorFlow Lite Micro的arena内存分配策略，将峰值内存控制在400KB以内。

结果对比与复盘：最终SSD-MobileNetV2在192×192输入下，INT8量化后mAP@0.5为0.78，满足精度要求；实测延迟为380ms，功耗为120mW，均符合预算。而YOLOv5n即使将输入降至160×160，延迟仍为850ms，且精度降至0.71。复盘发现，YOLO系列虽然参数量小，但其多尺度特征融合的内存访问模式在低端MCU上并不友好；SSD-MobileNet的“浅层特征图+默认框”结构反而更适合内存受限场景。

4.4 常见误区与总结复盘

误区一：唯参数量论。参数量小不代表内存占用低，YOLOv5n的参数量虽小，但特征图的内存峰值远高于SSD-MobileNetV2。选型时应关注激活值内存而非仅权重内存。

误区二：忽略量化敏感性。EfficientDet-Lite在FP32下精度最高，但INT8量化后可能下降3-5个点，而SSD-MobileNet通常只下降1-2个点。在端侧部署中，量化后的精度才是真实精度。

误区三：盲目追求高FLOPs利用率。某些硬件（如带NPU的MCU）对特定算子（如3×3深度可分离卷积）有硬件加速，但对其他算子（如SiLU、自定义池化）只能走通用计算路径，导致实际利用率极低。选型前应查阅芯片的算子加速列表。

误区四：忽视框架兼容性。TensorFlow Lite Micro对EfficientDet的BiFPN支持不完善，可能需要手动实现算子；而YOLO系列在ONNX Runtime上支持较好，但在TFLite Micro上需要转换。建议在选型前先验证目标框架的算子支持矩阵。