EfficientDet — семейство нейросетевых моделей для детекции объектов, представленное Google Research как попытка найти более удачный баланс между точностью, скоростью и вычислительной стоимостью. В задачах компьютерного зрения это особенно важно: система должна не только распознавать, что находится на изображении, но и точно определять положение объектов с помощью ограничивающих рамок. Главная идея EfficientDet связана с эффективным масштабированием архитектуры. До его появления многие модели улучшали качество за счет увеличения глубины сети, разрешения входного изображения или числа каналов, но делали это не всегда согласованно. EfficientDet использует compound scaling, при котором разные части модели увеличиваются пропорционально. Такой подход позволяет получать версии от легких до более крупных, сохраняя предсказуемое соотношение между качеством и затратами ресурсов. В основе EfficientDet лежит EfficientNet, применяемый как backbone для извлечения признаков. Это уже дает модели сильную базу, поскольку EfficientNet известен хорошей производительностью при умеренном числе параметров. Для объединения признаков разных уровней используется BiFPN, или bidirectional feature pyramid network. Эта структура помогает модели работать с объектами разных размеров, объединяя низкоуровневые и высокоуровневые признаки в обоих направлениях. Важная особенность EfficientDet — взвешенное объединение признаков. Вместо простого сложения данных с разных уровней сеть учится определять, какие признаки важнее для конкретной задачи. Это делает архитектуру более гибкой и помогает повысить качество детекции без чрезмерного роста сложности. Такой механизм особенно полезен в сценариях, где на одном изображении могут одновременно присутствовать мелкие и крупные объекты. Семейство EfficientDet включает несколько вариантов, обычно обозначаемых от D0 до D7. Младшие версии подходят для устройств с ограниченными ресурсами, включая мобильные и встроенные системы. Старшие версии ориентированы на более высокую точность и требуют заметно больше вычислений. Благодаря такой линейке модель удобно выбирать под конкретные ограничения проекта, будь то обработка видео в реальном времени или анализ изображений на сервере.