改进YOLOv5系列：4.YOLOv5_最新MobileOne结构换Backbone修改，超轻量型架构，移动端仅需1ms推理！苹果最新移动端高效主干网络

已于 2024-03-17 20:49:10 修改
阅读量1.6w 收藏 149
点赞数 24
分类专栏： 目标检测YOLO改进指南 文章标签： 深度学习 目标检测 人工智能
于 2022-08-05 20:51:19 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/qq_38668236/article/details/126157859
版权

本专栏包含大量的首发原创改进方式🚀, 所有文章都是全网首发内容。🌟

降低改进难度,改进点包含最新最全的Backbone部分、Neck部分、Head部分、注意力机制部分、自注意力机制部分等完整教程 🚀

💡本篇文章基于 YOLOv5、YOLOv7、YOLOv7-Tiny 进行 最新MobileOne结构换Backbone修改，苹果最新移动端高效主干网络 改进。
🔥🔥🔥YOLO系列 + MobileOne结构 结合应用 为 CSDN芒果汁没有芒果 首发更新博文
专栏读者有问题可以私信博主，看到了就会回复.

文章目录

改进参数效果

训练模型的数据（参考）

Model Summary: 827 layers, 11090109 parameters, 11090109 gradients, 26.0 GFLOPs

CPU耗时：
Speed
了解本专栏 订阅专栏 解锁全文
芒果汁没有芒果
关注
  • 24
    点赞
  • 踩
  • 149
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 62
    评论
专栏目录
订阅专栏
YOLOv5轻量化之《替换Backbone为MobileOne》（亲测有效）
年少的勇气已经用完，剩下的就是三思而后行
11-16 3248
YOLOv5轻量化之《替换Backbone为MobileOne》
改进yolov5轻量化.zip
01-06
标题 "改进yolov5轻量化.zip" 暗示了这是一个关于优化YOLOv5模型以实现更高效运行的项目。YOLO（You Only Look Once）是一种流行的实时目标检测算法，而YOLOv5是其最新版本，以其速度和准确性而著称。在这个特定的...
YOLOv5改进 | 更换主干网络之MobileOne，移动端仅需1ms的高性能骨干
突然好想你
02-21 206
MobileOne是由Apple公司提出的一种基于iPhone12优化的超轻量型架构，在ImageNet数据集上以
【YOLOv5/v7改进系列】替换骨干网络为MobileOne
2401_84870184的博客
05-12 958
yolov7-tiny、yolov5s/n替换骨干网络为MobileOne，相比同类高效架构，MobileOne不仅在精度上达到了最先进的水平，而且运行速度更快，比如比MobileFormer快38倍，比EfficientNet在相近延迟下高出2.3%的顶尖-1准确率。
目标检测算法——YOLOv5/YOLOv7改进之结合MobileOne结构（高性能骨干|仅需1ms）
加勒比海带66——【YOLO魔法搭配&论文投稿咨询】
10-19 9286
目标检测算法——YOLOv5/YOLOv7改进之结合MobileOne结构。移动端仅需1ms的高性能骨干！
YOLOv5改进：更换骨干网（Backbone）
bai666ai的博客
06-19 5906
本课程讲述对YOLOv5进行更换骨干网（backbone；主干网）的方法，使其更加轻量或提高性能。
YOLOv5尝试修改backbone
weixin_42182534的博客
03-11 9411
本博文记录第一次修改yolov5，只是尝试，不做工程效率的考虑 最近尝试修改yolov5的网络结构，在这里记录一下 第一步：加入模块代码 将模型搭建中所需的模块放入YOLOv5的源码路径models/common.py里，以ShuffleNetV2的InvertedResidual为例： 在common.py的顶部加入导入 from torch import Tensor from typing import Callable, Any, List 将InvertedResidual类和
RepGhost实战：使用RepGhost实现图像分类任务(一）
AI浩
11-30 1404
论文地址：https://arxiv.org/abs/2211.06088代码地址：https://github.com/ChengpengChen/RepGhost特征重用一直是轻量级卷积神经网络设计的关键技术。RepGhostNet在移动设备上比GhostNet和MobileNetV3更有效。在ImageNet数据集上，RepGhostNet和GhostNet 0.5X在相同的延时下，参数更少，成绩更高，Top-1精度相比GhostNet 0.5X模型 提高了2.5%。
改进Yolov5 | 用 GSConv+Slim Neck 一步步把 Yolov5 提升到极致！！！
qq_29462849的博客
06-16 1万+
点击上方“计算机视觉工坊”，选择“星标”干货第一时间送达作者丨ChaucerG来源丨集智书童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...
YOLOv5：修改backbone为mobileone
09-20
1、官方源项目地址 ：https://github.com/ultralytics/yolov5 2、在yolov5-6.1中修改backbone为mobileone。 3、训练、测试、预测命令与官方版本一致。
MobileOne实战：使用MobileOne实现图像分类任务.zip
11-30
MobileOne(≈MobileNetV1+RepVGG+训练Trick)是由Apple公司提出的一种基于iPhone12优化的超轻量型架构，在ImageNet数据集上以<1ms的速度取得了75.9%的Top1精度。文章链接：...
tensorrt c++ 推理项目
07-03
tensorrt c++ 推理示例项目，支持分类网络，比如alexnet，mobileone,skipnet等轻量级网络。 环境：win10 vs2017环境，cuda11.0，亲测成功。 tensorrt库版本： TensorRT-8.2.1.8.Windows10.x86_64.cuda-11.4.cudnn...
YOLOv5改进之替换Backbone为ResNet50
年少的勇气已经用完，剩下的就是三思而后行
01-29 4597
BestYOLO是一个以科研和竞赛为导向的最好的YOLO实践框架!目前BestYOLO是一个完全基于进行改进的开源库，该库将始终秉持以落地应用为导向，以轻便化使用为宗旨，简化各种模块的改进。目前已经集成了基于模型为Backbone的YOLOv5目标检测算法，同时也将逐渐开源更多YOLOv5应用程序。
在目标检测方面，如何对yolov5进行优化改进？
limingmin2020的博客
11-08 7747
YOLOv5中原有的特征金字塔网络替换为AF-FPN，在保证实时检测的前提下提高了YOLOv5网络对多尺度目标的检测性能。
深度学习Week10-YOLOv5-Backbone模块实现（Pytorch）
m0_62237233的博客
12-14 1176
类似于上周内容，除了网络结构部分的内容，其余部分的内容和上周一样。yolov5结构示意图。
目标检测算法——YOLOv5/YOLOv7改进之结合轻量化网络MobileNetV3（降参提速）
热门推荐
加勒比海带66——【YOLO魔法搭配&论文投稿咨询】
10-19 2万+
深度学习Tricks，第一时间送达。目标检测算法——YOLOv5结合轻量化网络MobileNetV3。
MobileOne（CVPR 2023）原理与代码解析
00000cj的博客
05-14 2845
针对移动设备的高效深度学习架构的设计和部署已经取得了很大进展，很多轻量模型在减少浮点操作（floating-point operations, FLOPS）和参数量（parameter count）的同时不断提高精度。但是就延迟latency而言，这些指标没有很好的与模型的效率关联起来，像FLOPs这样的指标没有考虑到内存访问成本memory access cost和模型并行的程度degree of parallelism，而后者在推理时可能会对延迟产生很大的影响。参数量也与延迟没有很好的相关性，比如共享参
论文解读：MobileOne: An Improved One millisecond Mobile Backbone
weixin_50917576的博客
02-13 1512
MobileOne(≈MobileNetV1+RepVGG+训练Trick)是由Apple公司提出的一种基于iPhone12优化的超轻量型架构，在ImageNet数据集上以
Android-卷积神经网络（Convolutional Neural Network, CNN）
最新发布
zhuhai0613的博客
07-04 605
卷积神经网络是一种深度学习模型，通过卷积层、池化层和全连接层构成，用于提取图像特征并进行分类。
mobileone改造yolov5
07-25
MobileOne是一种用于改造YOLOv5模型的结构。在改造过程中，可以使用以下步骤： 1. 首先，需要使用YOLOv5的yaml配置文件\[2\]，该文件包含了模型的基本参数和结构。 2. 接下来，需要修改common.py配置文件和yolo.py配置文件\[3\]，以适应MobileOne结构的应用。 3. 最后，使用训练脚本train.py来训练yolov5_MobileOneBlock模型\[1\]。 通过以上步骤，可以将MobileOne结构应用于YOLOv5模型，从而改造模型以提高其性能和效率。 #### 引用[.reference_title] - *1* *2* *3* [改进YOLOv5系列：4.YOLOv5_最新MobileOne结构换Backbone修改，超轻量型架构，移动端仅需1ms推理！...](https://blog.csdn.net/qq_38668236/article/details/126157859)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 62
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

芒果汁没有芒果

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