YOLOv10改进 | 主干篇 | YOLOv10引入华为移动端模型Ghostnetv2替换Backbone

1. Ghostnetv2介绍

1.1  摘要：轻量级卷积神经网络（CNN）专为移动设备上的应用而设计，具有更快的推理速度。 卷积运算只能捕获窗口区域的局部信息，阻碍了性能的进一步提升。 在卷积中引入self-attention可以很好地捕捉全局信息，但会很大程度上拖累实际速度。 在本文中，我们提出了一种硬件友好的注意力机制（称为 DFC 注意力），然后为移动应用程序提出了一种新的 GhostNetV2 架构。 所提出的DFC注意力是基于全连接层构建的，它不仅可以在通用硬件上快速执行，而且可以捕获远程像素之间的依赖性。 我们进一步回顾了之前 GhostNet 中的表达能力瓶颈，并建议通过 DFC 注意力增强廉价操作产生的扩展特征，以便 GhostNetV2 块可以同时聚合本地和远程信息。 大量实验证明了 GhostNetV2 相对于现有架构的优越性。 例如，它在 ImageNet 上以 167M FLOP 实现了 75.3% 的 top-1 准确率，在类似的计算成本下显着抑制了 GhostNetV1 (74.5%)。

官方论文地址：