芒果YOLOv5改进28：主干Backbone篇之QARepNeXt：基于最新 QARepVGG 结构，美团提出的一种量化感知方法：再一次让 RepVGG 变得更好

已于 2024-03-14 20:29:19 修改
阅读量2.6k 收藏 7
点赞数 2
分类专栏： 芒果YOLOv5原创改进 文章标签： 人工智能 深度学习
于 2023-01-10 08:47:30 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/128623862
版权
本文深入探讨了YOLOv5中RepVGG结构的量化问题，提出了QARepNeXt改进方法，显著减小了INT8和FP32精度差距。内容包括理论分析、代码改进和实验应用，旨在提升模型在量化后的性能。
摘要由CSDN通过智能技术生成

一、理论部分 + YOLOv5 代码改进

Make RepVGG Greater Again: A Quantization-aware Approach

<
了解本专栏 订阅专栏 解锁全文
芒果汁没有芒果
关注
专栏目录
订阅专栏
模型量化(7):Yolov5 QAT量化训练
@bangbang的博客
03-21 2680
从模型量化(5): 敏感层分析可以看出来，对于yolov5-nano模型，对最后一层detect层进行敏感层分析的时候,发现对检测精度的影响比较大。所以在PTQ/QAT在进行量化时，会跳过这些敏感层。QAT微调的模型，就是PTQ在校准后的模型。从上一小节可以看出如果PTQ中模型训练和量化是分开的，而QAT则是在模型训练时加入了伪量化节点，用于模拟模型量化时引起的误差。QAT过程中，我们首先需要选择哪些层需要进行finetune训练，并利用FP32对应层的输出作为监督进行训练。
芒果YOLOv5改进72：标签分配策略篇之ATSS：原创改进为AnchorFree：自适应训练样本选择Adaptive Training Sample Selection策略
包括YOLOv5、YOLOv7、YOLOv8等模型改进
07-31 1457
YOLOv5代码改进实践｜ ATSS标签分配策略
yolov8模型结构修改详细实践
最新发布
lixiao2112924629的博客
08-04 830
1）在yolov8中添加CBAM注意力模块，首先打开脚本，脚本路径如下所示：** 注意：自定义的网络模块不是固定放到conv.py脚本中，我们也可以自定义新的脚本添加模块，但是要按下面的方式引用和声明。**2）并在脚本中添加CBAM模块的模型代码，如下所示：添加CBAM模块的代码后，还需要在脚本中添加自定义模块声明，用于后续引用，如下所示：脚本路径：在。
yolov5的qat量化
qq_41920323的博客
11-08 632
主要讲解了一种qat量化的通用方案。
YOLOv5-QAT量化部署
周同学的博客
10-15 5071
YOLOv5-QAT量化部署
YOLOv7改进：RepVGG结构
weixin_45303602的博客
10-05 1338
我们所说的“VGG式”指的是：没有任何分支结构。即通常所说的plain或feed-forward架构。仅使用3x3卷积。仅使用ReLU作为激活函数。主要创新点为结构重。在训练时，网络的结构是多分支进行的，而在推理时则将分支的参数进行重参数化，合为一个分支来进行的，所以推理的速度要比多分支网络快很多，并且精度也比单分支的网络更高。
芒果YOLOv10改进10：主干Backbone篇QARepNeXt结构：最新原创提出改进QARepNeXt结构，基于最新 QARepVGG 结构，美团提出的一种量化感知方法：再一次让 RepVGG
包括YOLOv5、YOLOv7、YOLOv8等模型改进
06-08 25
YOLOv10改进：主干Backbone篇QARepNeXt结构：最新原创提出改进QARepNeXt结构，基于最新 QARepVGG 结构，美团提出的一种量化感知方法：再一次让 RepVGG
芒果YOLOv9改进17：主干Backbone篇QARepNeXt结构：最新原创提出改进 QARepNeXt 结构，基于最新 QARepVGG 结构，美团提出的一种量化感知方法：再一次让 RepVGG
包括YOLOv5、YOLOv7、YOLOv8等模型改进
05-19 58
YOLOv9改进：主干Backbone篇QARepNeXt结构：最新原创提出改进 QARepNeXt 结构，基于最新 QARepVGG 结构，美团提出的一种量化感知方法：再一次让 RepVGG
芒果YOLOv8改进27：主干Backbone篇QARepNeXt结构：最新原创提出改进 QARepNeXt 结构，基于最新 QARepVGG 结构，美团提出的一种量化感知方法：再一次让 RepVGG
包括YOLOv5、YOLOv7、YOLOv8等模型改进
05-18 1033
YOLOv8 代码实践｜基于最新 QARepVGG 结构， 原创提出改进 QARepNeXt 结构，再一次让 RepVGG 变得更好
芒果YOLOv5改进36：Neck篇之Eff-QAFPN：改进设计 Eff-QAFPN 结构，具有量化感知神经网络设计的高效网络结构 ，该网络结构表现强势
包括YOLOv5、YOLOv7、YOLOv8等模型改进
02-14 4095
YOLOv5代码实践 ｜全新原创设计Eff-QAFPN结构
YOLOv5、YOLOv8改进：RepVGG结构
weixin_45303602的博客
10-09 1421
最新RepVGG结构: Paper我们所说的“VGG式”指的是：没有任何分支结构。即通常所说的plain或feed-forward架构。仅使用3x3卷积。仅使用ReLU作为激活函数。主要创新点为结构重参数化。在训练时，网络的结构是多分支进行的，而在推理时则将分支的参数进行重参数化，合为一个分支来进行的，所以推理的速度要比多分支网络快很多，并且精度也比单分支的网络更高。
yolov5量化注意事项（二）
deep_love1314的博客
12-02 1928
yolov5量化注意事项（二）
芒果YOLOv7改进34：主干篇：首发结合最新 QARepVGG 升级Rep结构， 本文对其进行原创改进 QARepNeXt 结构，基于美团提出一种量化感知方法
包括YOLOv5、YOLOv7、YOLOv8等模型改进
01-10 3082
首发结合最新 QARepVGG 升级Rep结构， 并原创改进 QARepNeXt 结构，基于美团提出一种量化感知方法：再一次让 RepVGG 变得更好
英文论文（sci）解读复现【NO.5】让RepVGG再次变得更强大：一种量化感知方法
m0_70388905的博客
02-17 2235
让RepVGG再次变得更强大：一种量化感知方法。
优化改进YOLOv5算法之添加RepVGG模块(超详细)
qq_40716944的博客
12-30 3987
YOLOv5算法中添加RepVGG模块，并通过实验验证改进后的算法模型效果
YOLOv5/v7 引入 RepVGG 重参数化模块
YOLOv8项目贡献者
01-23 7387
YOLO添加RepVGG教程
YOLOv8改进实战 | 引入 RepVGG 重参数化结构，极简架构，SOTA性能，让VGG式模型再次伟大
w94ghz的博客
12-22 1365
追求极致：Repvgg重参数化对YOLO工业落地的实验和思考
CV_Autobot的博客
12-28 640
作者|陈TEL 编辑|极市平台点击下方卡片，关注“自动驾驶之心”公众号ADAS巨卷干货，即可获取点击进入→自动驾驶之心【模型部署】技术交流群导读本文作者主要借鉴repvgg重参化的思想，将原有的3×3conv替换成Repvgg Block，为原有的YOLO模型涨点。前言：之前做了一次shufflenetv2与yolov5的组合，目的是为了适配arm系列芯片，让yolov5在端侧设备上...
评论
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