前言
CNN架构通常在内存和计算要求方面很重,这使得它们在硬件资源有限的嵌入式系统中不可行。我们提出了双卷积核(DualConv)来构建轻量级深度神经网络。DualConv结合了3×3和1×1的卷积核来同时处理相同的输入特征图通道,并利用组卷积技术高效地排列卷积滤波器。DualConv可以应用于任何CNN模型,如用于图像分类的VGG-16和ResNet-50、用于目标检测的YOLO和R-CNN,或用于语义分割的FCN。DualConv显著减少了深度神经网络的计算成本和参数数量,同时在某些情况下,惊人地实现了比原始模型略高的精度。
DualConv理论详解可以参考链接:论文地址
本文在YOLOv9中引入DualConv(双卷积),实现了高效涨点,代码已经整理好了,跟着文章复制粘贴,即可直接运行
改进前的结果:
改进后的结果,从各项评价指标看出高效涨点