【YOLOv8改进- Backbone主干】2024最新轻量化网络MobileNetV4替换YoloV8的BackBone

YOLO目标检测创新改进与实战案例专栏

专栏目录： YOLO有效改进系列及项目实战目录 包含卷积，主干 注意力，检测头等创新机制 以及 各种目标检测分割项目实战案例

专栏链接: YOLO基础解析+创新改进+实战案例

介绍

摘要

摘要：我们介绍了最新一代的MobileNets，称为MobileNetV4（MNv4），其架构设计在移动设备上具有通用的高效性。核心是我们引入了通用倒置瓶颈（UIB）搜索模块，这是一种统一且灵活的结构，融合了倒置瓶颈（IB）、ConvNext、前馈网络（FFN）以及一种新颖的额外深度可分离（ExtraDW）变体。除了UIB，我们还介绍了Mobile MQA，一种专为移动加速器设计的注意力模块，提供显著的39%速度提升。我们还引入了一种优化的神经架构搜索（NAS）配方，提高了MNv4的搜索效率。UIB、Mobile MQA和改进的NAS配方的整合，产生了一套新的MNv4模型，这些模型在移动CPU、DSP、GPU以及专用加速器（如Apple Neural Engine和Google Pixel EdgeTPU）上大多达到了帕累托最优，这是其他任何测试模型都不具备的特点。最后，为了进一步提高准确性，我们引入了一种新颖的蒸馏技术。在这种技术的增强下，我们的MNv4-Hybrid-Large模型在ImageNet-1K上达到了87%的准确率，在Pixel 8 EdgeTPU上的运行时间仅为3.8毫秒。

文章链接

论文地址：论文地址

代码地址：代码地址

代码地址：代码地址

基本原理

MobileNetV4是MobileNet系列的最新一代，旨在为移动设备提供高效的架构设计。MobileNetV4引入了Universal Inverted Bottleneck和Mobile MQA层，并结合改进的NAS（神经架构搜索）方法。通过这些创新设计和优化技术，MobileNetV4在Pixel 8 EdgeTPU上实现了87%的ImageNet-1K准确率，同时延迟仅为3.8ms，推动了移动计算机视觉的最新发展。

1. Un