属于嵌入式和移动设备的轻量级 YOLO 模型 ！

文章预览

前言   在本文中，作者重点关注基于FLOP的高效目标检测计算的神经网络架构设计选择，并提出几项优化措施来提高基于YOLO模型的效率。 首先，作者引入了一种受倒置瓶颈和来自信息瓶颈原理的理论洞见启发的有效 Backbone 网络缩放方法。 其次，作者提出了快速金字塔架构网络（FPAN），旨在促进快速多尺度特征共享同时减少计算资源。 最后，作者提出了一个解耦的网络中网络（DNiN）检测Head，旨在为分类和回归任务提供快速且轻量级的计算。 Pytorch训练营，花两个星期彻底掌握代码实现 CV各大方向专栏与各个部署框架最全教程整理 CV全栈指导班、基础入门班、论文指导班 全面上线!! 来源： 集智书童 仅用于学术分享，若侵权请联系删除 1 Introduction 在目标检测中，深度神经网络旨在从原始输入图像中提取一组围绕每个感兴趣目标的边界框，并将它们 ………………………………