本文主要是介绍YOLOv5改进实战 | 更换主干网络Backbone之轻量化网络EMO,结合 CNN 和 Transformer 的现代倒残差移动模块设计,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!
前言
传统的YOLOv5系列中,Backbone采用的是较为复杂的C3网络结构,这使得模型计算量大幅度的增加,检测速度较慢,应用受限,在某些真实的应用场景如移动或者嵌入式设备,如此大而复杂的模型时难以被应用的。为了解决这个问题,本章节通过采用EMO轻量化主干网络作为Backbone的基础结构,从而在保证检测性能的同时,将网络结构精简到最小,大大减小了模型的参数量和计算量。
目录
- 一、EMO
- 二、代码实现
- 2.1 环境安装
- 2.2 添加EMO.py
- 2.2 yolo.py文件修改
- 2.3 YOLOv5s-EMO-Backbone.yaml
- 2.3 模型验证
- 2.4 模型对比
这篇关于YOLOv5改进实战 | 更换主干网络Backbone之轻量化网络EMO,结合 CNN 和 Transformer 的现代倒残差移动模块设计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!