LeYOLO 用于目标检测的新型可扩展和高效CNN架构 | 最新轻量化SOTA! 5GFLOP ...

本改进已集成到 YOLOv8-Magic 框架。
  

论文地址：https://arxiv.org/pdf/2406.14239
代码地址：https://github.com/LilianHollard/LeYOLO/tree/main
在深度神经网络中，计算服从对于目标检测至关重要，尤其是在新型模子更倾向于速度而非计算服从（浮点运算次数，FLOP）的环境下。这种演变在肯定水平上忽视了嵌入式和面向移动的AI目标检测应用。本文聚焦于基于FLOP的高效目标检测计算的神经网络架构计划选择，并提出了几种优化步调，以提高基于YOLO模子的服从。首先，我们引入了一种高效的背景缩放方法，灵感来自于倒置瓶颈和信息瓶颈原理的理论洞见。其次，我们介绍了快速金字塔架构网络（FPAN），该网络旨在在减少计算资源的同时，快速实现多尺度特征共享。末了，我们提出了一种解耦的网络中网络（DNiN）检测头，旨在为分类和回归使命提供快速且轻量级的计算。在这些优化的底子上，使用更高效的背景，本文为目标检测和以YOLO为中心的模子贡献了一种新的缩放范式，称为LeYOLO。我们的贡献在各种资源限定条件下，持续超越现有模子，到达前所未有的正确性和fl

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。