高效的计算成本:通过采用DFC注意力机制和对特征进行下采样,GhostNetV2在不牺牲性能的情况下,显著减少了模型的计算成本。这使得GhostNetV2在保持轻量级的同时,还能在移动设备上快速推理,提高了模型的实用性。 模型结构的优化:GhostNetV2采用了Inverted bottleneck设计,并通过DFC注意力机制与Ghost模块并行工作的方式,增强了扩展...
Repository files navigation README 原始论文地址:https://arxiv.org/abs/2211.12905 models包含common.py文件,包含根据论文实现的GhostModule,GhostV2Block,SEModule以及必要的模块About 根据原始论文实现Pytorch版本GhostNetV2 Resources Readme Activity Stars 3 stars Watchers 2 watching Forks 0 forks Report...