本文主要是介绍YoloV10改进策略：卷积篇|基于PConv的二次创新|附结构图|性能和精度得到大幅度提高（独家原创），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！
文章目录
- 摘要
- 论文指导
- PConv在论文中的描述
- 改进YoloV10的描述
- 改进代码与结构图
- 改进方法
- 测试结果
- 总结
摘要
在PConv的基础上做了二次创新，创新后的模型不仅在精度和速度上有了质的提升，还可以支持Stride为2的降采样。
改进方法简单高效，需要发论文的同学不要错过！
论文指导
PConv在论文中的描述
论文：
下面我们展示了可以通过利用特征图的冗余来进一步优化成本。如图3所示，不同通道之间的特征图具有高度的相似性。这种冗余也在许多其他工作中被涵盖[17,82]，但很少有人以简单而有效的方式充分利用它。
具体来说，我们提出了一种简单的PConv来同时减少计算冗余和内存访问。图4的左下角说明了我们的PConv是如何工作的。它只是简单地对部分输入通道应用常规变换以进行空间特征提取，并保持其余通道不变。对于连续或常规的内存访问，我们认为第一个或最后一个连续cp通道是整个特征映射的代表，用于计算。在不损失通用性的情况下，我们认为输入和输出特征图具有相同的通道数。因此，PConv的FLOPs只是
这篇关于YoloV10改进策略：卷积篇|基于PConv的二次创新|附结构图|性能和精度得到大幅度提高（独家原创）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！
