YOLOv5改进实战 | 更换主干网络Backbone之轻量化网络EMO，结合 CNN 和 Transformer 的现代倒残差移动模块设计

---

---

前言

传统的YOLOv5系列中，Backbone采用的是较为复杂的C3网络结构，这使得模型计算量大幅度的增加，检测速度较慢，应用受限，在某些真实的应用场景如移动或者嵌入式设备，如此大而复杂的模型时难以被应用的。为了解决这个问题，本章节通过采用EMO轻量化主干网络作为Backbone的基础结构，从而在保证检测性能的同时，将网络结构精简到最小，大大减小了模型的参数量和计算量。

一、EMO

在众多小模型的设计中，值得注意的是 MobileNetv2提出了一种基于 Depth-wise Convolution 的高效的倒残差模块 (Inverted Residual Block, IRB)，已成标准的高效轻量级模型的基本模块。此后，很少有设计基于CNN