YOLOv10改进 | Neck篇 | YOLOv10引入Damo-YOLO的CSPNet

1. Damo-YOLO介绍

1.1 摘要： 在本报告中，我们提出了一种名为 DAMO-YOLO 的快速准确的目标检测方法，该方法比最先进的 YOLO 系列具有更高的性能。 DAMO-YOLO 在 YOLO 的基础上扩展了一些新技术，包括神经架构搜索（NAS）、高效的重参数化广义 FPN（RepGFPN）、具有 AlignedOTA 标签分配的轻量级头以及蒸馏增强。 特别是，我们使用 MAE-NAS（一种以最大熵原理为指导的方法）在低延迟和高性能的约束下搜索我们的检测主干，生成具有空间金字塔池化和焦点模块的类似 ResNet / CSP 的结构 。 在颈部和头部的设计上，我们遵循“大颈部，小头部”的规则。 我们导入具有加速皇后融合的 Generalized-FPN 来构建探测器颈部，并通过高效的层聚合网络 (ELAN) 和重新参数化升级其 CSPNet。 然后我们研究了探测器头部尺寸如何影响检测性能，并发现只有一个任务投影层的粗颈部会产生更好的结果。 此外，还提出了AlignedOTA来解决标签分配中的错位问题。 并引入了蒸馏模式以将性能提高到更高的水平。 基于这些新技术，我们构建了一套不同规模的模型，以满足不同场景的需求。 针对一