YOLOv8网络轻量化改进之ShuffleNetV2主干

最新推荐文章于 2024-08-07 17:41:22 发布
最新推荐文章于 2024-08-07 17:41:22 发布
阅读量87 收藏
点赞数
分类专栏： YOLO系列改进 文章标签： YOLO
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_47060902/article/details/140908175
版权
YOLO系列改进 专栏收录该内容
18 篇文章 0 订阅 ¥199.90 ¥299.90
订阅专栏

目录

一、理论模型

二、代码修改

一、理论模型

首先是shuffleNet网络的理论介绍部分

论文地址：1807.11164 (arxiv.org)

这里是shufflenetv2网络的主要模块的结构，在网络结构中，通过步长来选择这两种不同的模块。步长为1的时候，对应模块c，步长为2的时候对应模块d。

二、代码修改

首先在v8的程序中找到ultralytics\nn\modules\block.py文件，然后把shufflenetv2网络的代码添加进去，也就是把下面的这段代码复制进去


                

        

        

    




        

            

                

                

                了解本专栏
                
                
                  
                订阅专栏 解锁全文
                 
            

        

    

      

        

            

              
                
                  这糖有点苦
                
              
            

            

                关注
              
            

        

        

          
    
            
  • 
              
                
                
                
                
                      0
                
              
              
    点赞
    
            
    • 
            
  • 
              
                
                
                
              
              
    踩
    
            
    • 
            
  • 
              
                
                
                
                
                    0
                
              
              
    
                
    
                  
                    收藏
                  
                
    
              
    
              
    
                
    
                  觉得还不错?
                  
                    一键收藏
                  
                 
                
    
              
    
            
    • 
                
  • 
                  
                    打赏
                    
                  
                  
    打赏
    
                
    • 
          
  • 
            
    
              
              
            
    
              
              
              
                    0
              
            
            
    评论
    
          
    • 
          
  • 
          
    • 
          
  • 
            
              
            
              
    
            
              
                
            
    
          
    • 
        

      

      

            

                专栏目录
          

                

                        订阅专栏
                










                



	

		

			

				
					
YOLOv8改进 | 主干网络 | 将主干网络替换为轻量化的ShuffleNetv2【原理 + 完整代码】

				
			

			

				

					kay_545
				

				

					06-03
					
					1090
					
				

			

		

		

			
				
yolov8，yolov8创新，yolov8改进

			
		

	



                

              
                



	

		

			

				
					
YOLOv5改进 | 主干网络 | 将主干网络替换为轻量化的ShuffleNetv2【原理 + 完整代码】

				
			

			

				

					kay_545
				

				

					06-03
					
					1472
					
				

			

		

		

			
				
yolov5改进，shufflenetv2

			
		

	



                


  
              

                


	

		

			

				
					
YOLOv8/YOLOv7/YOLOv5系列算法改进[NO.14]主干网络C3替换为轻量化网络Ghostnet

					
热门推荐

				
			

			

				

					m0_70388905的博客
				

				

					07-06
					
					1万+
					
				

			

		

		

			
				
​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。...

			
		

	





	

		

			

				
					
YOLOv8改进 | 主干篇 | 轻量级网络ShuffleNetV2（附代码+修改教程）

				
			

			

				

					Snu77的博客
				

				

					12-20
					
					4480
					
				

			

		

		

			
				
本文给大家带来的改进内容是ShuffleNetV2，这是一种为移动设备设计的高效CNN架构。其在ShuffleNetV1的基础上强调除了FLOPs之外，还应考虑速度、内存访问成本和平台特性。(我在YOLOv8n上修改该主干降低了GFLOPs,但是参数量还是有一定上涨，其非常适合轻量化的读者来使用,同时精度也有一定程度的上涨)。本文通过介绍其主要框架原理，然后教你如何添加该网络结构到网络模型中。

			
		

	



		

			
		



	

		

			

				
					
YOLOv8 更换主干网络之 ShuffleNetv2 详解

				
			

			

				

					走向CTO的路上...
				

				

					05-29
					
					985
					
				

			

		

		

			
				
ShuffleNetv2 是一种轻量级高效的卷积神经网络架构，旨在为图像识别任务提供更高的性能和效率。它通过使用通道洗牌 (Channel Shuffling) 和分组卷积 (Group Convolution) 等技术来实现，在保持精度的同时显著降低了模型的计算量和参数量。

			
		

	





	

		

			

				
					
主干网络篇 | YOLOv8更换主干网络之ShuffleNetV2

				
			

			

				

					突然好想你
				

				

					03-16
					
					1934
					
				

			

		

		

			
				
ShuffleNetV2是一种轻量级的神经网络架构，用于图像分类和目标检测任务。它是ShuffleNet的改进版本，旨在提高模型的性能和效率。ShuffleNetV2相比于之前的版本，在保持模型轻量化的同时，提高了模型的准确性和性能。它在计算资源有限的设备上具有较好的应用潜力！~🌈 

			
		

	





	

		

			

				
					
YOLOv5改进系列（6）——替换主干网络之 ShuffleNetV2

				
			

			

				

					路人贾的博客
				

				

					06-02
					
					4169
					
				

			

		

		

			
				
手把手教你学会YOLOv5替换主干网络之 ShuffleNetV2

			
		

	





	

		

			

				
					
【轻量化篇】YOLOv8改进实战 | 更换主干网络 Backbone 之 ShuffleNetV2，高效 CNN 架构设计

				
			

			

				

					w94ghz的博客
				

				

					10-20
					
					1359
					
				

			

		

		

			
				

			
		

	





	

		

			

				
					
《主干网络篇 - YOLOv8更换主干网络之ShuffleNetV2（包括完整代码+添加步骤+网络结构图）》完整源码

				
			

			

				

					03-16
				

			

		

		

			
				
内容专栏：《YOLOv8：从入门到实战》 内容介绍：《主干网络篇 | YOLOv8更换主干网络之ShuffleNetV2（包括完整代码+添加步骤+网络结构图）》完整源码 适用人群：初入行的人工智能学习者、YOLOv8算法初入门的学生等。

			
		

	





	

		

			

				
					
基于YOLOv4改进的轻量级水下目标检测网络

				
			

			

				

					05-11
				

			

		

		

			
				
模型参数量仅为49.2M，每秒传输帧数（FPS）高达35.6，平均精度（AP）达到92.01%，这表明该模型在兼顾轻量化和识别效果方面具有显著优势，特别适合资源有限的小型水下设备。  【总结】 NSN-R-YOLOv4是针对水下目标...

			
		

	





	

		

			

				
					
《主干网络篇 - YOLOv8更换主干网络之GhostNet》完整源码

				
			

			

				

					03-23
				

			

		

		

			
				
在《主干网络篇 - YOLOv8更换主干网络之GhostNet》中，我们将探讨如何将GhostNet作为YOLOv8的基础网络架构，以提升模型的检测效果。GhostNet是一种轻量级的卷积神经网络（CNN），它通过引入Ghost模块，实现了在计算...

			
		

	





	

		

			

				
					
YoloV8最新改进手册-高阶篇.pdf

				
			

			

				

					06-19
				

			

		

		

			
				
20. **EMO模型对轻量级YOLOv8的改进** 21. **SCConv模块的YOLOv8实践** 22. **Intel多维动态卷积在YOLOv8中的应用** 23. **MPDIoU与YOLOv8的结合** 24. **SPD-Conv在YOLOv8中的应用** 25. **CoordConv对YOLOv8的改进...

			
		

	





	

		

			

				
					
yolov5：将主干网络替换为resnet网络

				
			

			

				

					04-09
				

			

		

		

			
				
yolov5：将主干网络替换为resnet网络；yolov5：将主干网络替换为resnet网络；yolov5：将主干网络替换为resnet网络；yolov5：将主干网络替换为resnet网络；yolov5：将主干网络替换为resnet网络；yolov5：将主干网络...

			
		

	





	

		

			

				
					
YOLOv5工作原理与实现机制

				
			

			

				

					weixin_42132035的博客
				

				

					08-02
					
					568
					
				

			

		

		

			
				
YOLOv5 是由 Ultralytics 团队开发的 YOLO 系列的一个版本，尽管它不是 YOLO 原创作者 Joseph Redmon 的作品，但它在性能、易用性和灵活性方面得到了广泛的认可。YOLOv5 采用了全新的架构设计，具备更快的检测速度和更高的检测精度。

			
		

	





	

		

			

				
					
YOLOv8改进 | 激活函数 | 十余种常见的激活函数一键替换【完整代码】

				
			

			

				

					kay_545
				

				

					08-02
					
					777
					
				

			

		

		

			
				
yolov8改进，激活函数，yolov8

			
		

	





	

		

			

				
					
Yolov8在RK3588上进行自定义目标检测(三)

				
			

			

				

					Xiao_Ya__的博客
				

				

					08-04
					
					482
					
				

			

		

		

			
				
Yolov8在RK3588上进行自定义目标检测(三)

			
		

	





	

		

			

				
					
【Python-实操】cvat-coco-to-yolov8seg

					
最新发布

				
			

			

				

					
				

				

					08-07
					
					245
					
				

			

		

		

			
				
这是一个简单的Python脚本，用于将COCO格式的分割标注转换为YOLO格式的分割标注。该脚本使用了标准库中的argparse模块来处理命令行参数，从而使得用户能够方便地指定JSON文件路径以及输出文件夹。

			
		

	





	

		

			

				
					
基于YOLOv10的裂缝检测系统

				
			

			

				

					tsg6698的博客
				

				

					08-03
					
					371
					
				

			

		

		

			
				
（该系统可以根据数据训练出的yolov10的权重文件，运用在其他检测系统上，如火焰检测，口罩检测等等，可以根据检测目标更改UI界面。通过PYQT构建UI界面，包含图片检测，视频检测，摄像头实时检测。基于YOLOv10的裂缝检测系统  (价格85)包含    【裂缝】     1个类。

			
		

	





	

		

			

				
					
yolov8轻量化改进有哪些，主干网络颈部网络

				
			

			

				

					11-05
				

			

		

		

			
				
YOLOv8轻量化改进主要包括以下两个方面：
1.优化YOLOv8轻量化网络结构，使其更加轻量化，同时保持高精度和高速度。
2.打造全新YOLOv8检测器，提高检测器的性能和效率。

主干网络方面，YOLOv8改进了PicoDet主干系列，使其更加轻量化，达到了0.99M，150FPS的移动端超轻量目标检测算法。而颈部网络方面，YOLOv8改进了ShuffleNetV2，增加了SE模块来权衡网络通道以获得更好的特性，并增加了depthwise卷积和pointwise卷积，在stride=2时整合不同的通道信息，以解决Channel Shuffle导致融合特性丢失的问题。此外，YOLOv8还引入了Ghost模块，用更少的参数生成更多的特征图，以提高网络的学习能力。



			
		

	



              




          




        



    





    



      

      

        
      

      





	

		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
            

          

        

        

          

          

          

        

      

    

    

  





	
打赏作者

	

		

		
			
		
		

		

			
这糖有点苦

			
你的鼓励将是我创作的最大动力

		

	

	

			

	

	

    ¥1
    ¥2
    ¥4
    ¥6
    ¥10
    ¥20
	

	

		

			

				

					扫码支付：¥1
				

				

					

					
					获取中
					

				

				

					
					
					扫码支付
				

			

		

		

			
您的余额不足，请更换扫码支付或充值

			
打赏作者

		

	



      
      

      
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