Unet改进27：添加DGCST|Vision Transformer与DGSM模块集成在一起的创新结构

本文内容：在不同位置添加DGCST

目录

论文简介

1.步骤一

2.步骤二

3.步骤三

4.步骤四

论文简介

随着移动计算技术的快速发展，在移动设备上部署高效的目标检测算法成为计算机视觉的一个关键研究领域。本研究的重点是优化YOLOv7算法，以提高其在移动平台上的运行效率和速度，同时确保高精度。本研究利用Group Convolution、ShuffleNetV2、Vision Transformer等先进技术的协同作用，有效地减少了模型的参数数量和内存使用，简化了网络架构，增强了在资源受限设备上的实时目标检测能力。实验结果表明，改进的YOLO模型表现出优异的性能，显著提高了处理速度，同时保持了优异的检测精度。

1.步骤一

新建blocks/blocks.py文件，添加如下代码：

######################################## Dynamic Group Convolution Shuff