改进YOLO5：结合CVPR2023最新 PConv |包含 YOLOv5 / YOLOv8 模型 YAML 文件

论文链接🎁 ：https://arxiv.org/pdf/2303.03667v2.pdf

一、论文总结

  论文介绍了一种名为部分卷积（Partial Convolution，简称PConv）的新型运算符，旨在解决神经网络中每秒浮点运算次数（FLOPS）偏低的挑战。研究发现，仅仅减少FLOPS的数量并不必然导致延迟的减少，其主要原因在于FLOPS的低效率。PConv通过减少不必要的计算和内存访问，更有效地提取空间特征。基于此，作者们进一步开发了一种新的神经网络架构，名为FasterNet。FasterNet在保持准确性的同时，在多种处理器（如GPU、CPU和ARM）上实现了超越现有网络（例如MobileViT-XXS）的运行速度。特别是，FasterNet-L在保持与Swin-B相似的准确性的同时，在GPU上实现了更高的吞吐量，并在CPU上节省了计算时间。

<