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

💡💡💡本文解决什么问题：双卷积由组卷积和异构卷积组成，执行 3×3 和 1×1 卷积运算代替其他卷积核仅执行 1×1 卷积，加入YOLOv8 backbone和ncek DualConv |  GFLOPs从9.6降低至9.1，参数量6842kb降低至6393  ，mAP50从0.921提升至0.931，mAP50-95从0.697提升至0.726 Yolov8-Pose关键点检测专栏介

💡💡💡本文解决什么问题：双卷积由组卷积和异构卷积组成，执行 3×3 和 1×1 卷积运算代替其他卷积核仅执行 1×1 卷积，加入YOLOv8 backbone和ncek DualConv |  GFLOPs从9.6降低至9.1，参数量6842kb降低至6393  ，mAP50从0.921提升至0.931，mAP50-95从0.697提升至0.726 Yolov8-Pose关键点检测专栏介

💡💡💡本文自研创新改进：双卷积由组卷积和异构卷积组成，重新设计backbone和neck卷积结构，执行 3×3 和 1×1 卷积运算代替其他卷积核仅执行 1×1 卷积，从而轻量化YOLOv5，性能如下表，GFLOPs 15.8降低至13.9，参数量14.5MB降低至12.6MB layers parametersGFLOPsMByolov5s157