审稿意见汇总

一、第一位审稿人

写作角度：

1.论文写作角度

动机不明确：

选择YOLOV5的原因（在论文里说明需要）

和其它检测压缩算法比的优缺点

应用场景受限（为什么只考虑水下）

3.参考文献角度：

除了参考文献[22]之外，YOLO还有很多轻量级算法。 然而，本手稿中没有讨论其他研究。 重新提交之前应进行更多的文献调查。

4.实验验证和分析不扎实，需要做更多的分析来支持结论。
5.应该进一步讨论当前工作的局限性，特别是其相关应用可能面临的挑战。 为了让读者更好地理解未来的工作，请给出具体的研究方向。

实验角度：

2.展示更多的实验角度：

数据集用工业数据集评估

手稿中应附有2022-2023年可用的一些研究，例如YOLOv7和YOLOv8。 此外，还应添加2022-2023年发布的一些模型压缩方法进行评估。

所提出的方法应该与 YOLOv5-n 和 YOLOv5-s 进行比较。

二、第二位审稿人

实验角度：

1.上下文是针对边缘设备的，本文没有进行有针对性的实验，也没有比较部署在边缘设备上的各种网络的准确性和计算速度。

2.水下物体检测需要对小目标和复杂背景进行更高的检测。如果模型可以轻量级，在小目标和复杂背景方面进行更多优化，那就更好了。

创新角度：

在创新方面，没有发现实质性的创新点。信道卷积应用于 YOLOv5，对于 C3 模块，不会修剪瓶颈。实验部分和可视化相当丰富，但在创新方面似乎还不够。

本质：

方法是原有的，只是换了个应用领域，所以创新不强

论文水平：二区末流或者三区

解决办法：修改剪枝方法，并增加模块

目前规划：

先解决暂时比较好解决的问题，先投出去评奖学金

需要买一个终端部署MiPc之类

方法创新代码+实验估计需要论文再投出去之后，再改，预估4个月

作者将信道修剪方法应用于YOLOv5s，并通过多组实验证明了其优越性。但是，考虑到上下文是针对边缘设备的，本文没有进行有针对性的实验，也没有比较部署在边缘设备上的各种网络的准确性和计算速度。水下物体检测需要对小目标和复杂背景进行更高的检测。如果模型可以轻量级，在小目标和复杂背景方面进行更多优化，那就更好了。出现了一个小问题，信道修剪部分是否直接取自原始论文。