目前,计算机视觉技术正在飞速发展。其中,目标检测技术一直是计算机视觉领域的重点研究方向之一。YOLOv7是目前比较常用的目标检测框架之一。为了进一步提升YOLOv7的性能,我们提出了使用MobileOne重参数化结构和苹果移动端高效Backbone主干网络模型的改进方法。
MobileOne重参数化结构是一种轻量级的结构,具有很好的计算性能和可实现性。在MobileOne重参数化结构中,我们使用了深度可分离卷积层,将标准卷积层拆分成深度卷积和点卷积两个子层,从而降低了模型的计算复杂度。此外,我们还使用了SE模块,增强了模型的特征表示能力。
苹果移动端高效Backbone主干网络模型也是一种轻量级的结构。苹果公司提出的该模型,旨在解决在移动端上进行目标检测时,模型的计算、内存消耗过大的问题。该模型采用了深度可分离卷积层,对卷积核进行分解,从而显著降低了参数量和计算复杂度,并且拥有很好的性能表现。
下面,我们将MobileOne重参数化结构和苹果移动端高效Backbone主干网络模型应用到YOLOv7中。具体实现如下:
# 定义MobileOne模块
class MobileOne