本文记录的是利用小波卷积WTConv模块优化YOLOv10的目标检测网络模型。WTConv的目的是在不出现过参数化的情况下有效地增加卷积的感受野,从而解决了CNN在感受野扩展中的参数膨胀问题。本文将其加入到深度可分离卷积中,有效降低模型参数量和计算量,并二次创新,使模块更好地捕捉低频特征,增强网络性能。 专栏目录:YOLOv10改...
来自专栏 · YOLOv10改进策略 一、本文介绍 本文记录的是基于MobileOne的YOLOv10骨干网络改进方法研究。MobileOne的基础模块通过重参数化,==降低了模型在推理过程中的参数量和计算量,降低推理延迟,提高内存访问效率==。在将其替换YOLOv10的骨干网络后,实现模型轻量化。 专栏目录:YOLOv10改进目录一览 | 涉及卷积层...
碉堡了!YOLOv10重磅开源!比YOLOv9延迟减少46%,比YOLIv8参数量少2.8倍,附YOLOv1-10,以及热门变体17篇,原文和源码都有#人工智能 #深度学习 #目标检测算法 #计算机视觉 #YOLO算法 - 搞算法的蒂普榭尔于20240525发布在抖音,已经收获了14.5万个喜欢,来抖音,记录美好生活