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（2）

已于 2024-07-10 00:30:55 修改
阅读量2.1k 收藏 20
点赞数 44
分类专栏： YOLO 文章标签： YOLO cnn 人工智能
于 2024-07-06 13:51:57 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_39818775/article/details/140063574
版权

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&

了解本专栏 订阅专栏 解锁全文 超级会员免费看
wei子
关注
专栏目录
订阅专栏
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
weixin_39818775的博客
07-02 715
近年来，深度卷积神经网络（CNN）在图像识别、目标检测等领域取得了巨大进展。然而，随着模型复杂度的不断提升，模型训练和部署所需的计算资源也呈指数级增长，这对于资源受限的设备和平台带来了挑战。为了解决这个问题，ShuffleNetv2 应运而生。ShuffleNetv2 是一种高效的卷积神经网络架构，它通过引入“ShuffleNet Unit”来提高模型的性能和效率。
主干网络篇 | YOLOv5/v7 更换骨干网络之 GhostNet | 从廉价的操作中生成更多的特征图
weixin_39818775的博客
06-30 736
近年来，深度卷积神经网络（CNN）在图像识别、目标检测等领域取得了巨大进展。然而，随着模型复杂度的不断提升，模型训练和部署所需的计算资源也呈指数级增长，这对于资源受限的设备和平台带来了挑战。为了解决这个问题，GhostNet 应运而生。GhostNet 是一种轻量级的卷积神经网络架构，它通过引入“Ghost Module”来从廉价的操作中生成更多的特征图，以提高模型的性能和效率。
YOLOv7改进 | 更换主干网络之GhostNet
突然好想你
02-27 772
GhostNet是一种轻量级的卷积神经网络架构，它的设计目标是在保持高精度的同时，减少模型的参数和计算量，以便在资源受限的设备上进行高效推理。GhostNet在多个计算机视觉任务上取得了很好的性能，如图像分类、目标检测和人脸识别等！~🌈
轻量化YOLOv7系列：结合G-GhostNet | 适配GPU，华为诺亚提出G-Ghost方案升级GhostNet
最新发布
qq_44224801的博客
07-24 585
轻量化YOLOv7系列：结合G-GhostNet | 适配GPU，华为诺亚提出G-Ghost方案升级GhostNet
YOLOv5算法改进（23）— 更换主干网络GhostNet + 添加CA注意力机制 + 引入GhostConv
突然好想你
12-23 2089
本节课就让我们结合论文来对YOLOv5进行组合改进（更换主干网络GhostNet + 添加CA注意力机制 + 引入GhostConv），希望同学们学完本节课可以有所启迪，并且后期可以自行进行YOLOv5算法的改进！🌈
主干网络篇 | YOLOv5/v7 更换主干网络为 VGG13 / VGG16 / VGG19 | 对比实验必备
YOLOv8项目贡献者
02-07 1132
YOLOv5/v7 更换主干网络为 VGG13 / VGG16 / VGG19
主干网络篇 | YOLOv5/v7 更换骨干网络之 EfficientNet | 卷积神经网络模型缩放的再思考
YOLOv8项目贡献者
01-02 6481
YOLOv5/v7 更换骨干网络之 EfficientNet-B0
[YOLOv7/YOLOv5系列算法改进NO.16]主干网络C3替换为轻量化网络PP-LCNet
m0_70388905的博客
07-07 8824
​前 言：作为当前先进的深度学习目标检测算法YOLOv5，已经集合了大量的trick，但是还是有提高和改进的空间，针对具体应用场景下的检测难点，可以不同的改进方法。此后的系列文章，将重点对YOLOv5的如何改进进行详细的介绍，目的是为了给那些搞科研的同学需要创新点或者搞工程项目的朋友需要达到更好的效果提供自己的微薄帮助和参考。解决问题：YOLOv5主干特征提取网络采用C3结构，带来较大的参数量，检测速度较慢，应用受限，在某些真实的应用场景如移动或者嵌入式设备，如此大而复杂的模型时难以被应用的。......
YOLOv5改进实战 | 更换主干网络Backbone（二）之轻量化网络GhostnetV2，引入长距离注意力机制，构建更强端侧轻量型骨干，代码公开！
w94ghz的博客
10-14 2360
[YOLOv7/YOLOv5系列改进NO.44]融入适配GPU的轻量级 G-GhostNet
m0_70388905的博客
11-19 7365
G-GhostNet 是适配 GPU 端的轻量级 GhostNet
【YOLOv5/v7改进系列】替换骨干网络为ShuffleNetv2
2401_84870184的博客
05-14 869
替换YOLOv5s/n、v7-tiny骨干网络为ShuffleNetv2.《ShuffleNet V2: Practical Guidelines for Efficient CNN Architecture Design》提出了一种新的卷积神经网络（CNN）架构设计方法，并给出了一系列实用的设计指南，旨在提高模型在实际应用中的效率。
YOLOv7改进实战 | 更换轻量化主干网络Backbone（一）之Ghostnet
w94ghz的博客
10-19 1377
YOLO V5更换主干网络ShuffleNet v2
leiye1997的博客
08-03 584
self.depthwise_conv(branch_features, branch_features, kernel_size=3, stride=self.stride, padding=1),##加的。# self.depthwise_conv(inp, inp, kernel_size=3, stride=1, padding=1),###加的。###############----- ShuffleNetV2主干网络-----#######最后运行train.py 就可以啦！
YOLOV5的backbone改为shuffleNet，并进行效果对比
qq_55068938的博客
11-14 4846
近期，想尝试将YOLOV5的backbone改为ShuffleNetv2这类的轻量级网络，想和yolov5s进行对比
yolov5/v7 更换主干网络之 shufflenetv2
05-01
目前，YOLOv5/v7作为一款非常流行的目标检测算法，主要采用的是骨干网络为CSPDarknet53，这个骨干网络的主要特点是结构简单、运算速度快以及参数较少，因此被广泛应用。但是，这个骨干网络在一些性能方面上却存在着一些不足之处，比如说网络深度不够，并且存在一定的准确率瓶颈等等。 针对这些问题，YOLOv5/v7的开发团队提出了更换骨干网络的方案，将原来的CSPDarknet53替换为ShuffleNetV2。ShuffleNetV2是一种轻量级的卷积神经网络，它采用了一种新颖的“分组卷积（Group Convolution）”的思想，将输入特征图分成几个小组，每个小组内部自己卷积，最后再将结果整合在一起。这种设计可以大大减少卷积操作的计算量，提升模型的整体计算速度，同时也不会降低网络的性能表现。 总的来说，将ShuffleNetV2作为YOLOv5/v7的新骨干网络，能够有效地提高模型的计算速度，同时也更加稳定可靠，有着一定的实际应用价值。虽然目前更换骨干网络的工作还处于研究阶段，但是相对于原有的骨干网络而言，ShuffleNetV2无疑是更加先进、更加适合当前研究的网络结构。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值