基于嵌入式设备的目标检测Octave-Yolo，自注意力与CFPNet的融合！

文章预览

以下 文 章来源于微信公众号：集智书童 作者：小书童 链接：https://mp.weixin.qq.com/s/wZZszA_agX_2AK04mDLkDw 本文仅用于学术分享，如有侵权，请联系 后 台作删文处理 导读 本文介绍了一种优化用于嵌入式设备的实时目标检测模型 Octave-YOLO 。它通过引入跨频率部分网络减少了高分辨率图像处理的计算需求，同时保留了图像细节。实验表明，Octave-YOLO在减少40%计算量的同时，速度比YOLOv8快1.56倍，且准确度几乎不受影响。 尽管目标检测算法取得了快速进展，但在嵌入式设备上处理高分辨率图像仍然是一个重大挑战。理论上，当前实时目标检测器中使用的全卷积网络架构能够处理所有输入分辨率。 然而，处理高分辨率图像所需的大量计算资源使得它们在实际应用中难以实现实时性。为了解决这个问题，实时目标检测模型通常在推理时对输入图像进行下采样，这 ………………………………