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。
<