模型效率在计算机视觉领域中越来越重要。作者研究了神经网络结构在目标检测中的设计选择，并提出了提高检测效率的几个关键优化方案。首先提出了一种加权双向特征金字塔网络(BiFPN)，该网络能够方便、快速的进行多尺度特征融合；其次，提出了一种混合缩放方法，可以同时对所有主干网络、特征网络以及最后的预测网络（boxes/classes）的分辨率、深度和宽度进行均匀缩放。特别地，是在单模型和单比例尺的情况下，EfficientDet-D7在52M参数和325B FLOPs的情况下，实现了map在 COCO数据集的最高水平(52.2)(arxiv上是55.1AP，77M参数和410B FLOPs)，比之前最好的检测器更小，使用更少的FLOPs(325B)，但却更准确(+0.2% mAP)，再一次新的突破。
参考文章：