LeYOLO：一种用于目标检测的新型可扩展且高效的 CNN 模型

文章预览

前言   在本文中，专注于基于FLOP为高效的目标检测计算设计神经网络架构的选择，并提出了若干优化措施来增强基于YOLO的模型的效率。首先，本文引入了一种受倒置瓶颈和信息瓶颈原理启发的高效骨干网络缩放方法。其次，提出了快速金字塔架构网络（FPAN），旨在促进快速的多尺度特征共享，同时减少计算资源的消耗。最后，提出了一种解耦的网络内网络（DNiN）检测头，用于实现分类和回归任务的快速且轻量的计算。 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!! 原文：LeYOLO, New Scalable and Efficient CNN Architecture for Object Detection 作者：Lilian Hollard，Lucas Mohimont，Nathalie Gaveau，Luiz Angelo Steffenel 作者单位：Université de Reims Champagne-Ardenne 期刊/会议：arXiv:2406.14239 ………………………………