YOLO轻量化模型
文章平均质量分 91
引入前沿轻量化技术:1)通过网络剪枝、量化、蒸馏等方法;2)模型轻量化设计;
优惠券已抵扣
余额抵扣
还需支付
¥199.90
购买须知?
本专栏为图文内容,最终完结不会低于15篇文章。
订阅专栏,享有专栏所有文章阅读权限。
本专栏为虚拟商品,基于网络商品和虚拟商品的性质和特征,专栏一经购买无正当理由不予退款,不支持升级,敬请谅解。
AI小怪兽
YOLO骨灰级玩家,1)YOLOv5、v7、v8优化创新,轻松涨点和模型轻量化;2)目标检测、语义分割、OCR、分类等技术孵化,赋能智能制造,工业项目落地经验丰富;订阅者私信添加本人微信!!!
展开
-
YOLOv8轻量化模型:模型轻量化设计 | 模型压缩率从6103降低到563kb,GFLOPs从8.1降低至1.0
轻量化模型设计:模型压缩率从6103降低到563kb,GFLOPs从8.1降低至1.0,mAP50几乎不变原创 2023-10-06 08:45:54 · 1981 阅读 · 17 评论 -
YOLOv8独家改进:backbone改进 | 微软新作StarNet:超强轻量级Backbone | CVPR 2024
star operation(元素乘法)在无需加宽网络下,将输入映射到高维非线性特征空间的能力原创 2024-05-14 09:01:09 · 418 阅读 · 0 评论 -
YOLOv8独家原创改进: 通用倒瓶颈(UIB)搜索块结合C2f二次创新 | 轻量化之王MobileNetV4
通用倒瓶颈(UIB)搜索块结合C2f二次创新原创 2024-05-09 10:42:49 · 578 阅读 · 2 评论 -
YOLOv8独家改进:backbone改进 | 轻量化之王MobileNetV4 开源 | Top-1 精度 87%,手机推理速度 3.8ms,原地起飞!
轻量化之王MobileNetV4 开源 | Top-1 精度 87%,手机推理速度 3.8ms,原地起飞!原创 2024-05-09 09:12:22 · 652 阅读 · 5 评论 -
YOLOv8轻量化涨点改进: 卷积魔改 | DynamicConv | CVPR2024 ParameterNet,低计算量小模型也能从视觉大规模预训练中获益
ParameterNet,旨在增加大规模视觉预训练模型中的参数数量,同时最小化FLOPs的增加,利用动态卷积将额外的参数合并到网络中。原创 2024-04-15 12:52:07 · 844 阅读 · 2 评论 -
YOLOv8独家改进: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 | 新颖的轻量级网络,yolov8s GFLOPs 28.8降低为18.1
1)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,2)同时结合Bottleneck,设计了一种新颖的轻量级网络。原创 2024-01-30 15:17:23 · 954 阅读 · 2 评论 -
YOLOv5独家改进: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 | 新颖的轻量级网络
1)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,2)同时结合Bottleneck,设计了一种新颖的轻量级网络。原创 2024-01-30 15:04:02 · 552 阅读 · 0 评论 -
YOLOV8原创改进:一种新型轻量级实时检测算法 | 适用场景:低照度场景,如雾天行人车辆等
YOLOv8s进行对比,GFLOPs从原始的28.6降低至17.3和21.4原创 2024-01-28 09:19:40 · 961 阅读 · 12 评论 -
YOLOv8轻量化模型:模型轻量化创新 | MobileNetV3结合轻量级MLCA模块
mobilenetv3结合轻量级的 Mixed Local Channel Attention (MLCA) 模块,实现轻量化原创 2023-12-21 09:08:24 · 1617 阅读 · 4 评论 -
YOLOv8轻量化模型:模型轻量化设计 | 轻量级可重参化EfficientRep| 来自YOLOv6思想
EfficientRepBiPAN 在关键点检测任务中| GFLOPs从9.6降低至8.5,mAP50从0.921下降至0.912,mAP50-95从0.697提升至0.779原创 2023-11-07 19:02:57 · 1120 阅读 · 0 评论 -
YOLOv8轻量化模型:BiLevelRoutingAttention 结合C2f | CVPR2023
BiLevelRoutingAttention和C2f结合 | 轻量化的同时在数据集并有小幅涨点;原创 2023-10-05 07:28:49 · 732 阅读 · 4 评论 -
YOLOv8轻量化模型:OREPA结合c2f,节省70%的显存!训练速度提高2倍! | CVPR2022
OREPA和C2f结合 | 轻量化的同时在数据集并有小幅涨点;原创 2023-10-04 23:13:35 · 768 阅读 · 2 评论 -
YOLOv8轻量化模型:ScConv结合C2f | CVPR2023
ScConv和C2f结合 | 轻量化的同时在数据集并有小幅涨点;原创 2023-10-04 23:09:35 · 1073 阅读 · 0 评论 -
YOLOv8轻量化模型:PConv结合C2f | CVPR2023
PConv和C2f结合 | 轻量化的同时在数据集并有小幅涨点;原创 2023-10-04 23:04:12 · 1463 阅读 · 0 评论 -
YOLOv8轻量化模型:DCNV3结合c2f | CVPR2023
DCNV3和C2f结合 | 轻量化的同时在数据集并有小幅涨点;原创 2023-10-04 22:57:52 · 1816 阅读 · 4 评论 -
Yolov8新版本解读(二):优化点如何加入新版本,通过加入轻量级网络Ghostnetv2对比说明
yolov8进行了一次较大的更新,对一些优化点加在哪个位置上有些变动,因此本文主要通过轻量化网络华为Ghostnetv2进行案列展开说明原创 2023-08-04 18:52:17 · 823 阅读 · 1 评论 -
Yolov8轻量化:RepGhost,通过重参数化实现硬件高效的Ghost模块
一种轻量级CNN模块,并提出RepGhostNet轻量级网络,性能优于GhostNet、MobileNetV3等,在移动设备上具有更少的参数和可比的延迟。原创 2023-07-31 18:36:32 · 1172 阅读 · 0 评论 -
Yolov8 引入ICCV 2023 | 南开大学提出LSKNet:遥感旋转目标检测新SOTA | 助力backbone
LSKNet在遥感旋转目标检测取得重大突破,本文引入LSKNet,用于优化yolov8,替换新backbone:lsknet_t,lsknet_s原创 2023-07-27 18:30:00 · 1159 阅读 · 0 评论 -
Yolov5轻量级网络:Ghostnet、G_ghost、Ghostnetv2家族大作战(三):华为GhostNet再升级,全系列硬件上最优极简AI网络G_ghost | IJCV22
Yolov8引入轻量级网络Ghostnet、G_ghost、Ghostnetv2等,与c2f和c3结合减少最新的深度神经网络的计算成本,引入高效的神经网络结构。原创 2023-06-20 18:15:21 · 1005 阅读 · 0 评论 -
Yolov5轻量级网络:Ghostnet、G_ghost、Ghostnetv2家族大作战(二):华为Ghostnetv2,端侧小模型性能新SOTA | NeurIPS22 Spotlight
Yolov8引入轻量级网络Ghostnet、G_ghost、Ghostnetv2等,与c2f和c3结合减少最新的深度神经网络的计算成本,引入高效的神经网络结构。原创 2023-06-20 18:15:11 · 914 阅读 · 0 评论 -
Yolov5轻量级网络:Ghostnet、G_ghost、Ghostnetv2家族大作战(一):华为Ghostnet,超越谷歌MobileNet | CVPR2020
Yolov8引入轻量级网络Ghostnet、G_ghost、Ghostnetv2等,与c2f和c3结合减少最新的深度神经网络的计算成本,引入高效的神经网络结构。原创 2023-06-20 18:14:57 · 1133 阅读 · 0 评论 -
Yolov8轻量级网络:Ghostnet、G_ghost、Ghostnetv2家族大作战(三):华为GhostNet再升级,全系列硬件上最优极简AI网络G_ghost | IJCV22
Yolov8引入轻量级网络Ghostnet、G_ghost、Ghostnetv2等,减少最新的深度神经网络的计算成本,引入高效的神经网络结构。原创 2023-06-20 18:16:24 · 1206 阅读 · 2 评论 -
Yolov8轻量级网络:Ghostnet、G_ghost、Ghostnetv2家族大作战(二):华为Ghostnetv2,端侧小模型性能新SOTA | NeurIPS22 Spotlight
Yolov8引入轻量级网络Ghostnet、G_ghost、Ghostnetv2等,减少最新的深度神经网络的计算成本,引入高效的神经网络结构。原创 2023-06-20 18:14:15 · 1411 阅读 · 8 评论 -
Yolov8轻量级网络:Ghostnet、G_ghost、Ghostnetv2家族大作战(一):华为Ghostnet,超越谷歌MobileNet | CVPR2020
Yolov8引入轻量级网络Ghostnet、G_ghost、Ghostnetv2等,减少最新的深度神经网络的计算成本,引入高效的神经网络结构。原创 2023-06-20 18:14:03 · 1462 阅读 · 1 评论 -
Yolov5轻量化:CVPR2023|RIFormer:无需TokenMixer也能达成SOTA性能的极简ViT架构
优势:(1)去除token mixer,减少延迟和计算功耗;(2)推理阶段只有1x1卷积,有利于硬件实现;(3)结构重参数化技术将训练复杂度和推理复杂度解耦;(4)设计优化驱动的高效网络,更关注整体架构和训练策略。原创 2023-06-08 18:13:38 · 1514 阅读 · 1 评论 -
Yolov8轻量级:Next-vit,用于现实工业场景的下一代视觉 Transformer
提出了一种能在现实工业场景中有效部署的下一代视觉 Transformer,即 Next-ViT。Next-ViT 能像 CNN 一样快速推断,并有 ViT 一样强大的性能。原创 2023-06-05 20:30:46 · 1276 阅读 · 0 评论 -
Yolov8轻量级:VanillaNet一种新视觉Backbone,极简且强大!华为诺亚2023
华为诺亚2023:简到极致、浅到极致!深度为6的网络即可取得76.36%@ImageNet的精度,深度为13的VanillaNet甚至取得了83.1%的惊人性能原创 2023-06-01 17:58:04 · 1799 阅读 · 3 评论 -
Yolov8轻量化:MobileNetV3,轻量级骨架首选
轻量级网络MobileNetV3引入到yolov8,性能和速度都表现优异,受到学术界和工业界的追捧。原创 2023-05-31 20:15:00 · 2239 阅读 · 0 评论 -
Yolov8轻量级:EfficientViT,基于级联分组注意力模块的全新实时网络架构,better speed and accuracy | CVPR2023
yolov5引入cvpr2023 EfficientViT,加入backbone,涨点明显。高效ViT模型EfficientViT。它以EfficientViT block作为基础模块,每个block由三明治结构 (Sandwich Layout) 和级联组注意力(Cascaded Group Attention, CGA)组成。原创 2023-05-31 19:00:00 · 1833 阅读 · 0 评论 -
Yolov8轻量化:EMO,结合 CNN 和 Transformer 的现代倒残差移动模块设计,性能优于EdgeViT、Mobile-former等网络 |ICCV2023
本文提出了倒残差移动模块(iRMB),并提出EMO:一种轻量级网络,很好地权衡了模型精度和效率,性能优于EdgeViT、Mobile-former等网络。并最终引入到yolov5 backbone原创 2023-05-31 19:15:00 · 1312 阅读 · 0 评论 -
Yolov5轻量化:EMO,结合 CNN 和 Transformer 的现代倒残差移动模块设计,性能优于EdgeViT、Mobile-former等网络
本文提出了倒残差移动模块(iRMB),并提出EMO:一种轻量级网络,很好地权衡了模型精度和效率,性能优于EdgeViT、Mobile-former等网络。并最终引入到yolov5 backbone原创 2023-05-19 17:48:26 · 1533 阅读 · 1 评论 -
Yolov5轻量级:EfficientViT,基于级联分组注意力模块的全新实时网络架构,better speed and accuracy |CVPR2023
yolov5引入cvpr2023 EfficientViT,加入backbone,涨点明显。高效ViT模型EfficientViT。它以EfficientViT block作为基础模块,每个block由三明治结构 (Sandwich Layout) 和级联组注意力(Cascaded Group Attention, CGA)组成。原创 2023-05-19 17:47:47 · 2447 阅读 · 7 评论 -
Yolov5轻量化:MobileNetV3,轻量级骨架首选
轻量级网络MobileNetV3引入到yolov5,性能和速度都表现优异,受到学术界和工业界的追捧。原创 2023-05-19 17:50:21 · 2040 阅读 · 3 评论