目标检测之轻量化思考

已于 2023-11-06 21:17:33 修改
阅读量126 收藏
点赞数
分类专栏： 随想随记 读书笔记 文章标签： python 深度学习
于 2023-08-27 21:41:01 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/NoNoUnknow/article/details/132528252
版权

网络层数的增加带来的参数量的减少并不是好事。

        在最近的实验中我发现参数量减少的模型在实际的速度表现上未必比参数量多的模型更好。

        据我的推测这是IO（访存量）的增加造成的，就类似于访问次数上去了带来了通讯成本的开支，虽然整体计算量小了，但是通讯开支大了，反而速度下降了。

        要找一个参数量和速度的均衡才具有轻量化的价值。

        一味追求参数量减少忽略了速度并不是好事！

        其中注意力机制真的很影响速度！！！！！

NoNoUnknow
关注
专栏目录
图像识别经典轻量级网络模型总结梳理、原理解析与优劣对比分析
Together_CZ的博客
12-06 2976
图像识别经典轻量级网络模型总结梳理、原理解析与优劣对比分析
【我的方向】轻量化小目标检测
qq_44859533的博客
12-26 840
但是，组卷积也有局限性，会导致特征图之间的信息不流畅，输出的特征图没有包含所有输入特征图的信息，后续的shuffleNet提出的通道重排可以解决这个问题。在获得低频信息时，对输入特征图中的低频信息进行常规卷积操作，同时对高频信息进行池化，将两者结合得到卷，积之后的低频信息。Depthwise卷积在获得特征的空间信息后，将得到的输出特征进行Pointwise卷积，即利用1×1的卷积核对Depthwise卷积的输出进行卷积，以获取特征中不同通道之间的信息，通过该组合方式达到轻量化效果。
【目标检测】ThunderNet: 超轻量型检测网络，旷视科技
Lingyun
09-25 2813
paper：ThunderNet: Towards Real-time Generic Object Detection 论文链接：https://arxiv.org/abs/1903.11752?context=cs.CV 开源代码：https://github.com/qixuxiang/Pytorch_Lightweight_Network1 不得不说，ThunderNet 做的速度...
【论文笔记】：LAYN：用于小目标检测的轻量级多尺度注意力YOLOv8网络
2301_80365008的博客
07-20 1294
骨干网的替换： 将 YOLOv8 骨干网替换为GhostNet减少参数数量和模型大小。多尺度注意力模块： 引入了Multi-scale Mixed Attention Mechanism（MMAM）模块，通过自适应地选择重要特征来提高检测性能，并利用Soft-NMS方法选择性地选择对小目标检测至关重要的信息，抑制非关键信息，进一步优化检测结果（有效去除重叠区域的重复框，从而提高检测精度）。思考：用自监督方式来训练模型学习特征；添加新数据只需要让模型学习新数据，无需重新训练整个模型。
轻量级车道线检测
weixin_40620310的博客
04-18 6318
一、前置知识 首先需要知道实例分割的任务主要有两种实现方式： 1、自上而下：先检测出框，再对框内的物体进行像素点分类，缺点在于对于一些目标检测框不完整，会影响精度； 2、自下而上，先对目标像素点进行分类，再通过聚类的方式将像素点归到各个目标上； 总结：对于车道线场景，采用自下而上的方式较多，因为车道线的场景复杂，不利于检测； 二、聚类算法 通过自下而上的方式分类点后，需要聚类，将各个像素点归到不同的目标上； 这里又称为度量学习距离度量学习相似度学习； 注意：在分割、关键点检测、人脸识别 任务中都涉及该概念
基于深度学习算法的图像分割和目标检测系统
09-17 1554
利用Python进行图像语义分割和目标检测的研究内容主要包括以下方面：1. 图像分割算法的研究：主要研究基于神经网络的图像分割算法的实现和优化,包括传统的基于阈值的方法和基于深度学习的方法。2. 目标检测算法的研究：主要研究基于深度学习的目标检测算法的实现和优化,包括传统的基于规则的方法和基于模型的方法。3. 实验和应用的研究：主要研究利用Python实现的图像分割和目标检测算法的性能和应用,包括在公开数据集上的实验和应用。4. 代码的可读性和可维护性：主要研究Python语言的代码的可读性、可维护性和易用
入门激光雷达点云的3D目标检测
pytorch内部机制解读
05-16 8694
前言 虽然业界有很多的争论，但是LiDAR在目前的L3/L4级自动驾驶系统中依然是不可或缺的传感器，因为它可以提供稠密的3D点云，非常精确的测量物体在3D空间中的位置和形状，而这是摄像头和毫米波雷达很难做到的。那么相应的，基于LiDAR点云的感知算法也就成为了近年来自动驾驶研发的重点之一。与图像的感知算法类似，LiDAR点云的感知算法也分为物体检测（包括跟踪）和语义分割两大类。这篇文章主要关注基于LiDAR点云的物体检测算法，语义分割算法留待以后再做介绍。 很多综述性的文章把LiDAR点云的物体检测算法粗略
CVPR2022 目标检测方向文章（附摘要）
weixin_43570470的博客
03-25 3万+
CVPR2022目标检测论文整理（持续更新）
天池目标检测比赛入门
qq_37621571的博客
12-22 1230
原视频链接 1.定义 输入一张图片或者一段视频，用一个bbox将感兴趣的预定义类别检测出来，同时完成定位和分类。 2.设备 必须要有一块GPU 显卡类型：目前只有nvidia公司的显卡支持cuda及cudnn，AMD显卡也可以通过opengl支持深度学习训练，但是很多op需要自己重构 显存大小：显存大小限制模型训练时输入图像分辨率，batch size大小上限以及模型复杂度 显卡数量：数量主要影响训练速度也就是方案的迭代速度 是否支持半精度(fp16)：可以节约显存从而增大训练尺度，也可以一定程度加速训练
目标检测算法之YOLO
SIGAI_CSDN的博客
06-17 3530
其它机器学习、深度学习算法的全面系统讲解可以阅读《机器学习-原理、算法与应用》，清华大学出版社，雷明著，由SIGAI公众号作者倾力打造。 书的购买链接 书的勘误，优化，源代码资源 原创声明：本文为 SIGAI 原创文章，仅供个人学习使用，未经允许，不得转载，不能用于商业目的。 一个小故事 先假设一个场景，幼儿园老师给小朋友们出了一个题目，看谁能最快的找出笑的最美的那张脸？各位SIGAI...
目标检测YOLO实战应用案例100讲-基于轻量化神经网络的目标检测算法研究与应用（续）
qq_36130719的博客
04-16 159
本文主要研究内容是轻量化神经网络的目标检测算法，所有研究工作都是基于关键点的目标检测框架和神经网络轻量化方法完成。为了后续更好的阐述本文所提出的方法和对实验的分析，在详细介绍本文的工作内容之前，本章节先对本文涉及到的相关理论知识和关键技术做出简要概述。目标检测技术通常指在一张图片中检测出各个物体的位置及对应的类别，即解决的是定位(Localization)和识别(Recognition)的问题，因此一般采用多任务联合学习的方式，通常由两个分支组成。
YOLOv10改进，YOLOv10添加iRMB注意力机制(反向残差注意力)，实现轻量化
weixin_44779079的博客
08-21 395
iRMB重新参考MobileNetv2中的反向残差块，并结合Transformer中的核心MHSA和FFN模块，归纳出一个通用的Meta Mobile Block（MMB），该模块采用参数化参数扩展比λ和高效操作符F来实例化不同的模块。MMB可以揭示上述三个模块的一致本质表达，并且MMB可以被视为改进的轻量级Transformer集中体，EMO只包含一个推导出的iRMB，吸收了轻量级CNN和Transformer的优势。以尽量少的核心模块，以减少模型复杂性并加速部署，达到轻量化效果。
YOLOv8改进有效系列目录 | 包含卷积、主干、检测头、注意力机制、Neck上百种创新机制
热门推荐
Snu77的博客
12-30 10万+
Hello，各位读者们好，本专栏自开设两个月以来已经更新改进教程120+余篇其中包含C2f、主干、检测头、注意力机制、Neck多种结构上创新，也有损失函数和一些细节点上的创新，订阅本专栏以后你不仅可以收获跟专栏的阅读权限，同时可以进Qq群，里面包含集成我所有创新的YOLO最新目录，和我本人录制的视频讲解教程，如果你想要在YOLOv8系列收获一篇论文，我相信订阅本专栏后你一定会有所收获~YOLOv8改进有效系列目录。
轻量化口罩佩戴检测：基于注意力机制的深度学习方法
该资源是一篇来自重庆理工大学的硕士学位论文，题目为“基于注意力机制的轻量化口罩佩戴检测研究”，由研究生石交秋撰写，何波副教授指导，属于电子信息（计算机技术领域）的专业学位论文，研究方向聚焦于大数据技术...
数据分析——学习框架
不迁怒，不贰过。小知识，大智慧。
11-11 1018
本教程旨在为读者提供一个系统化的数据分析学习框架，涵盖从数据收集、清洗、分析到可视化和报告的各个环节。通过深入探讨每个环节的理论与实践，读者将能够掌握数据分析的基本技能，提升数据处理和分析的能力。无论您是数据分析的初学者，还是希望进一步提升技能的专业人士，本教程都将为您提供有价值的指导和实用的工具，助您在数据分析的旅程中取得成功。
【python GUI编码入门-21】如何用Tkinter创建一个记事本应用
木头大左的博客
11-08 55
在现代编程环境中，图形用户界面（GUI）应用程序的开发变得越来越重要。Python的Tkinter库是一个功能强大且易于使用的GUI工具包，非常适合初学者和有经验的开发者使用。本文将详细介绍如何使用Tkinter创建一个简易的记事本应用，涵盖从安装到实现各项功能的全过程。Tkinter是Python的标准GUI库，它提供了丰富的接口来创建窗口、对话框、按钮等常见的GUI组件。Tkinter具有良好的跨平台性，可以在Windows、Mac OS和Linux上运行。
一次薅国家超算平台的记录
weixin_55179972的博客
11-07 407
参与 谁是下一个“AI”跃人 -AI体验推介活动，赢取千元算力券！（https://www.scnet.cn/home/subject/modular/index270.html）2. Clone开源的Llama3 Chinese （https://github.com/LlamaFamily/Llama-Chinese）活动名称主题：国家超算互联网「AI跃升季」：谁是下一个“AI”跃人 - AI算力体验活动。其中位置1，2替换为商品基模型和训练出来的微调模型。模型改为商城下载的模型。2、运行的过程记录。
SpringBoot 实现图片加水印
最新发布
心猿意码
11-11 216
通过上述步骤，我们可以在SpringBoot项目中实现一个简单的图片加水印功能。当然，实际应用中可能需要更复杂的水印处理，比如水印图片、调整水印位置等，可以根据需求进行相应的扩展和优化。
推荐一款管道数据检索工具：Pipedata-Pro
11-09 355
是一款专为设计石油、天然气、水和蒸汽管道及管道系统的工程师开发的应用程序。该应用程序提供了设计管道系统所需的工程数据，拥有一个全面的管道类型、配件和材料。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值