YOLOv10改进 | 主干篇 | YOLOv10引入MobileNetV3替换Backbone

1. MobileNetV3介绍

1.1  摘要：我们展示了基于互补搜索技术和新颖架构设计相结合的下一代 MobileNet。 MobileNetV3 通过结合硬件感知网络架构搜索 (NAS) 和 NetAdapt 算法来针对手机 CPU 进行调整，然后通过新颖的架构进步进行改进。 本文开始探索自动搜索算法和网络设计如何协同工作，以利用互补的方法来提高整体技术水平。 通过这个过程，我们创建了两个新的 MobileNet 模型来发布：MobileNetV3-Large 和 MobileNetV3-Small，分别针对高资源和低资源用例。 然后对这些模型进行调整并将其应用于对象检测和语义分割的任务。 对于语义分割（或任何密集像素预测）的任务，我们提出了一种新的高效分割解码器精简版简化空洞空间金字塔池（LR-ASPP）。 我们在移动分类、检测和分割方面取得了最先进的结果。 与 MobileNetV2 相比，MobileNetV3-Large 在 ImageNet 分类上的准确率提高了 3.2%，同时延迟减少了 20%。 与具有相当延迟的 MobileNetV2 模型相比，MobileNetV3-Small 的准确度提高了 6.6%。 MobileNetV3-Large 检测速度比 MobileNetV2 在 COCO 检测上快 25% 以上，且准确度与 MobileNetV2 大致相同。 MobileNetV3-Large LRASPP 比 MobileNetV2 R-ASPP 快 34%，城市景观分割的准确度相似。

官方论文地址：