RT-DETR算法优化改进:轻量级原创自研 | 一种多尺度的GSConv卷积变体，轻量化的同时能够实现涨点

已于 2024-02-01 10:10:56 修改
阅读量657 收藏 4
点赞数 7
分类专栏： RT-DETR魔术师 文章标签： YOLO 深度学习 人工智能
于 2024-02-01 10:10:31 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/m0_63774211/article/details/135967492
版权
RT-DETR魔术师 专栏收录该内容
59 篇文章 54 订阅 ¥199.90 ¥299.90
订阅专栏
本文提出了一种基于GSConv的多尺度卷积变体，用于RT-DETR算法的优化，旨在减小模型复杂度的同时提高性能。通过引入多尺度Ghost模块，实现了在保持轻量级的基础上特征图的丰富性。详细介绍了如何将改进应用于RT-DETR，包括新建模块文件和修改配置文件。
摘要由CSDN通过智能技术生成

   💡💡💡本文独家改进：基于GSConv提出了一种Multi-Scale Ghost Conv的卷积变体，保证轻量级的同时实现涨点；

 

RT-DETR魔术师专栏介绍：

https://blog.csdn.net/m0_63774211/category_12497375.html

✨✨✨魔改创新RT-DETR

🚀🚀🚀引入前沿顶会创新（CVPR2023，ICCV2023等），助力RT-DETR

🍉🍉🍉基于ultralytics优化，与YOLO完美结合

💡💡💡重点：通过本专栏的阅读，后续你也可以自己魔改网络，在网络不同位置（Backbone、head、detect、loss等）进行魔改，实现创新！！！

1.原理介绍

 

了解本专栏 订阅专栏 解锁全文
AI小怪兽
关注
专栏目录
订阅专栏
【YOLOv7/YOLOv5系列算法改进NO.48】构建新的轻量网络—Slim-neck by GSConv（2022CVPR）
m0_70388905的博客
12-06 6075
最新轻量网络GSConv，2022年CVPR顶会文章，值得一试。
【目标检测实验系列】YOLOv5创新点改进：融合高效轻量级网络结构GSConv，减轻模型复杂度的同时保持检测精度！（内含源代码，超详细改进代码流程）
弗兰-随风小欢的博客
12-20 5530
【目标检测实验系列】YOLOv5创新点改进：融合高效轻量级网络结构GSConv，减轻模型复杂度的同时保持检测精度！（内含源代码，超详细改进代码流程）
YOLOv5改进 | Neck | 有效提升小目标检测效果【小白必备】
最新发布
kay_545
08-07 1500
yolov5，yolov5改进，GSConv, VoVGSCSP, VoVGSCSPC，slim-neck
改进YOLOv5！GSConv+Slim Neck进一步提升YOLOv5性能！
阿木寺的博客
06-26 6521
点击下方卡片，关注“CVer”公众号AI/CV重磅干货，第一时间送达点击进入—>CV微信技术交流群转载自：集智书童Slim-neck by GSConv: A better design paradigm of detector architectures for autonomous vehicles论文：https://arxiv.org/abs/2206....
#今日论文推荐#改进Yolov5 | 用 GSConv+Slim Neck 一步步把 Yolov5 提升到极致
w1hsxn的博客
06-16 1796
目标检测是计算机视觉中一项艰巨的下游任务。对于车载边缘计算平台，大模型很难达到实时检测的要求。
YOLOv5 GSConv+Slim Neck
hllyzms的博客
11-05 1966
并且，提供了一种设计范式， Slim-Neck ，以实现检测器更高的计算成本效益。在实验中，与原始网络相比，本文方法获得了最先进的结果（例如， SODA10M 在 Tesla T4 上以 ~100FPS 的速度获得了 70.9% mAP0.5）。两阶段检测器在检测小物体方面表现更好，通过稀疏检测的原理可以获得更高的平均精度（mAP），但这些检测器都是以速度为代价的。单阶段检测器在小物体的检测和定位方面不如两阶段检测器有效，但在工作上比后者更快，这对工业来说非常重要。越多的模型获得的非线性表达能力越强。
RT-DETR算法优化改进：解决rt-detr无法打印计算量（GFLOPs）的问题点
12-28 1764
本文内容：解决rt-detr无法打印计算量的问题点；本文提供：1）训练阶段自动打印计算量；2）提供离线打印计算量的代码；
百度 RT-DETR 算法原理解析 | 超越YOLO的目标检测新高度？
YOLOv8项目贡献者
09-22 8984
详解百度RT-DETR
《RT-DETR魔术师》专栏介绍 & CSDN独家改进创新实战 & 专栏目录
11-14 4441
通过本专栏的阅读，后续你也可以自己魔改网络，在网络不同位置（Backbone、head、neck、loss等）进行魔改，实现创新！！！
YOLOv10涨点改进：轻量级改进 | 通用倒瓶颈（UIB）搜索块结合C2f二次创新 | 轻量化之王MobileNetV4
06-06 386
计算量参数量比较，从原始的8.4 GFLOPs降低至7.4 GFLOPs
GSconv和VoVGSCSP代码，用于嵌入改进yolov5/7/8
04-06
原论文https://arxiv.org/abs/2206.02424 基于论文复现GSconv和VoVGSCSP模块 可以即插即用改进yolov5/7/8 对小目标检测有明显涨点效果
改进Yolov5 | 用 GSConv+Slim Neck 一步步把 Yolov5 提升到极致！！！
weixin_40920183的博客
06-23 2586
目标检测是计算机视觉中一项艰巨的下游任务。对于车载边缘计算平台，大模型很难达到实时检测的要求。而且，由大量深度可分离卷积层构建的轻量级模型无法达到足够的准确性。因此本文引入了一种新方法 GSConv 来减轻模型的复杂度并保持准确性。GSConv 可以更好地平衡模型的准确性和速度。并且，提供了一种设计范式，Slim-Neck，以实现检测器更高的计算成本效益。在实验中，与原始...
5/100 Slim-neck by GSConv: A better design paradigm of detectorarchitectures for autonomous vehicle
weixin_72380563的博客
07-02 1476
表7，消融实验的对比。的计算成本是SC的50%，但对于模型学习能力的贡献后者更好，在GSConv基础上，引入了GS bottleneck,图4a。但如果GSConv用于模型的所有阶段，模型的网络层会加深，深层会加重抵制数据的流通，显著的增强推理时间。我们使用一个20秒的现场视频来测试我们的方法的有效性，该视频是在夜间微光下由仪表板摄像头捕捉的。使用带EIOU的MISH的网络具有更高的平均准确率，而使用SWISH的网络具有更快的速度（使用MISH的训练时间比使用SWISH的训练时间增加约29.26%）。
YOLOv5改进 | 卷积模块 | 将Conv替换为轻量化的GSConv【原理 + 完整代码】
kay_545
06-01 2547
yolov5改进，yolo创新，GSConv，VoVGSCSP, VoVGSCSPC
【论文笔记】Slim-neck by GSConv
热门推荐
JehanRio's Private Blog
05-18 2万+
作者提出了一种新方法GSConv来减轻模型复杂度，保持准确性。GSConv可以更好地平衡模型的准确性和速度。并且，提供了一种设计范式Slim-Neck，以实现检测器更高的计算成本效益。实验过程中，与原始网络相比，改进方法获得了最优秀的检测结果。目标检测是计算机视觉中一项艰巨的下游任务。对于车载边缘计算平台，大模型很难达到实时检测的要求。而且，由大量深度可分离卷积层构建的轻量级模型无法达到足够的准确性。因此本文引入了一种新方法 GSConv 来减轻模型的复杂度并保持准确性。
YOLOv5、YOLOv8改进： GSConv+Slim Neck
weixin_45303602的博客
08-12 3410
论文题目：Slim-neck by GSConv: A better design paradigm of detector architectures for autonomous vehicles论文：https://arxiv.org/abs/2206.02424代码：https://github.com/AlanLi1997/Slim-neck-by-GSConv。
Slim-neck by GSConv:自动驾驶车辆检测器架构的更好设计范式（文末附代码）
shengweiit的博客
09-15 1853
目标检测是计算机视觉中一项重要的下游任务。对于车载边缘计算平台来说，巨型模型难以实现实时检测要求，而且，由大量深度可分离卷积层构建的轻量级模型无法实现足够的准确率。引入了一种新的轻量级卷积技术 ——GSConv，以减轻模型负担同时保持准确性。GSConv在模型准确性和速度之间达到了出色的权衡。而且，还提供了一种设计范式：Slim-neck，以实现检测器的更高计算成本效益。方法在二十多组对比实验中得到了稳健的验证。特别是，通过我们的方法改进的检测器相比于原始模型得到了最新进的结果。
YOLOv10全网最新创新点改进系列：融合GSConv+Slim Neck，双改进、双增强，替换特征融合层实现， 轻量化涨点改进策略，有效涨点神器！
weixin_51692073的博客
07-04 1803
YOLOv10全网最新创新点改进系列：融合GSConv+Slim Neck，双改进、双增强，替换特征融合层实现， 轻量化涨点改进策略，有效涨点神器！
评论 2
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

打赏作者

AI小怪兽

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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