本文主要是介绍YOLOv10涨点改进轻量化双卷积DualConv,完成涨点且计算量和参数量显著下降,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!
本文独家改进:双卷积由组卷积和异构卷积组成,执行3x3 和 1x1 卷积运算Q代替其他卷积核仅执行 1x1 卷积。
DualIConv 显着降低了深度神经网络的计算成本和参数数量,同时在某些情况下令人惊讶地实现了比原始模型略高的精度。 我们使用 DualConv 将轻量级 MobileNetV2 的参数数量进一步减少了 54%
目录
1)替换原始的Conv
2,YOLOv10介绍
1.1 C2fUIB介绍
1.2 PSA介绍
1.3 SCDown
2.DualConv原理
2.1.深度可分离卷积(Depthwise Separable Convolution)
2.3.异构卷积(Heterogeneous Convolution)
2.4 双卷积(Dual Convolution
3.如何将Dualconv将入到YOLOv10
3.1 新建ultralytics/nn/Conv/Dualconv.py
3.2 注册ultralytics/nn/tasks.py
3.3 yolov10n-Dualconv.yaml
1)替换原始的Conv
2,YOLOv10介绍
论文:https://arxiv.org/pdf/2405.14458
代码:GitHub -THU-MIG/yolov10:YOLOv10: Real-Time End-to-End Object Detection
摘要:在过去的几年里,由于其在计算成本和检测性能之间的有效平衡,YOLOS已经成为实时目标检测领域的主导范例。研究人员已经探索了YOLOS的架构设计、优化目标、数据增强策略等,并取得了显著进展。然而,对用于后处理的非最大抑制 (NMS)的依赖妨碍了YOLOS的端到端部署,并目影响了推理延识。此外,YOLOS中各部件的设计缺乏全面和
这篇关于YOLOv10涨点改进轻量化双卷积DualConv,完成涨点且计算量和参数量显著下降的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!