这些改进主要得益于SPD-Conv消除了步长卷积和池化层,保留了更多的信息,使得模型能够更好地学习特征表示。此外,SPD-Conv是一种通用的构建块,可以很容易地应用于大多数甚至所有CNN体系结构。 Yolov8官方结果 YOLOv8l summary (fused): 268 layers, 43631280 parameters, 0 gradients, 165.0 GFLOPs Class Images Instanc...
此外,SPD-Conv是一种通用的构建块,可以很容易地应用于大多数甚至所有CNN体系结构。 Yolov8官方结果 代码语言:javascript 复制 YOLOv8lsummary(fused):268layers,43631280parameters,0gradients,165.0GFLOPs Class Images InstancesBox(PRmAP50 mAP50-95):100%|██████████|29/29[all23014120.9220.9570.9860....
改进主要源自于SPD-Conv消除了步长卷积与池化层，保留了更多信息，使模型能更有效学习特征表示。SPD-Conv是一种通用构建块，易于应用于大多数甚至所有CNN架构。官方Yolov8结果测试显示，相较于官方模型，性能有所提升，参数量也有所增加。但鉴于小目标数据集数量有限，分数提升并不显著。