主干网络篇 | YOLOv5/v7 更换主干网络之 ShuffleNetv2 | 高效CNN架构设计的实用指南
概述
YOLOv5和YOLOv7是目前主流的轻量级目标检测模型,在速度和精度方面取得了良好的平衡。然而,传统的YOLOv5/v7模型使用FPN和CSPNet等结构作为主干网络,在移动设备和嵌入式系统等资源受限的场景中运行时可能存在效率较低的问题。为了解决这个问题,本文提出了一种使用ShuffleNetv2作为主干网络的YOLOv5/v7模型,该模型在移动设备和嵌入式系统上具有更高的推理速度和更低的内存消耗。
原理详解
ShuffleNetv2是一种基于ShuffleNet架构的轻量级卷积神经网络架构,它采用了以下设计原则:
- Channel Shuffling: ShuffleNetv2的核心是Channel Shuffling操作,它可以打破特征通道之间的依赖关系,提高模型的表达能力和泛化能力。
- Pointwise Group Convolutions: ShuffleNetv2使用Pointwise Group Convolutions来降低模型的参数数量和计算量。
- Identity Residual Connections: ShuffleNetv2使用恒等残差连接来提高模型的梯度流动和性能。
ShuffleNetv2通过以上设计原则,在保持模型精度的同时&