yolo组件之Bottleneck层总结

1. Bottleneck介绍

        Bottleneck 层是在深度残差网络（ResNet）中引入的一种重要组件，用于降低模型的计算复杂度并提升特征提取能力。 

1.1 背景和动机

        深度残差网络（ResNet）是一种解决深层神经网络训练困难的方法。由于在深层网络中，梯度消失和梯度爆炸等问题可能会导致难以训练的模型。ResNet 提出了跳跃连接（shortcut connection）和残差学习的概念，允许信息在网络中的不同层之间直接传递，从而帮助解决了训练问题。

1.2 Bottleneck 层结构

        Bottleneck 层是 ResNet 中的基本组件之一，它由三个主要部分组成：

        1x1 卷积层：用于降低输入的通道数（维度），以减少计算复杂度。这一步主要是为了在保持特征质量的同时减少维度。

        3x3 卷积层：经过 1x1 卷积层降维后&#