YOLOv5轻量化改进之mobilenetv3，更换mobilenetv3中的注意力机制。

目录

一、原理

二、代码

三、YOLOv5改进

---

一、原理

我们提出了基于互补搜索技术和新颖架构设计相结合的下一代mobilenet。MobileNetV3通过硬件网络架构搜索(NAS)和NetAdapt算法的结合来调整到移动电话cpu，然后通过新的架构进步进行改进。本文开始探索自动搜索算法和网络设计如何协同工作，以利用互补的方法提高整体技术水平。通过这个过程，我们创建了两个新的MobileNet模型:MobileNetV3-Large和MobileNetV3-Small，它们分别针对高资源和低资源用例。然后将这些模型应用于目标检测和语义分割任务。针对语义分割(或任何密集像素预测)任务，我们提出了一种新的高效分割解码器:精简空间金字塔池(LR-ASPP)。我们在移动分类、检测和分割方面取得了最新的成果。与MobileNetV2相比，MobileNetV3-Large在ImageNet分类上的准确率提高了3.2%，同时延迟减少了20%。与具有可比延迟的MobileNetV2模型相比，MobileNetV3-Small的准确率提高了6.6%。MobileNetV3-Large检测速度超过25%，与MobileNetV2在COCO检测上的精度大致相同。在相似的城市景观分割精度下，MobileNetV3-Large LRASPP比MobileNetV2 R-ASPP快34%