YOLOv9改进系列，YOLOv9主干网络替换为MobileNetV2(轻量化架构)

---

原论文摘要

在本文中，描述了一种新的移动架构——MobileNetV2，它在多个任务和基准测试中提升了移动模型的最先进性能，并在不同模型规模中表现出色。还介绍了在一种称为SSDLite的新框架中，将这些移动模型高效应用于目标检测的方法。此外，我们展示了如何通过一种简化的DeepLabv3形式（称之为Mobile DeepLabv3）构建移动语义分割模型。MobileNetV2基于一种倒残差结构，其中快捷连接位于薄瓶颈层之间。中间的扩展层使用轻量级深度卷积来过滤特征，作为非线性源。此外，为了保持表示能力，在窄层中移除非线性是非常重要的，这能够提升模型性能。

介绍

MobileNetV2与ShuffleNet等类似，能够进一步提高性能，同时提供对其内部运作的见解。网络设计基于MobileNetV1，它保留了其简洁性，不需要任何特殊操作符，同时显著提高了其准确性，在多项移动应用的图像分类和检测任务中达到了最先进的水平。
下图为不同架构的卷积块比较。ShuffleNet 使用分组卷积 和通道洗牌，并且采用了传统的残差方法，其中内部块的宽度小于输出块。

理论详解可以参考链接：论文地址

本文在YOLOv9中的主干网络替换成MobileNetV2，代码已经整理好了，跟着文章复制粘贴，即可直接运行