一、本文介绍
本文记录的是基于ShufflenetV2的YOLOv9目标检测轻量化改进方法研究。FLOPs
是评价模型复杂独的重要指标,但其无法考虑到模型的内存访问成本和并行度,因此本文在YOLOv9
的基础上引入ShufflenetV2
,使其在在保持准确性的同时提高模型的运行效率。
模型 | 参数量 | 计算量 | 推理速度(bs=32) |
---|---|---|---|
YOLOv9-c | 50.69M | 236.6GFLOPs | 32.1ms |
Improved | 42.88M | 194.5GFLOPs | 23.2ms |
专栏目录:YOLOv9改进目录一览 | 涉及卷积层、轻量化、注意力、损失函数、Backbone、SPPF、Neck、检测头等全方位改进方向