超越 YOLO ！ Mamba-YOLO 利用 SSM 技术提升目标检测性能！

文章预览

来源： 集智书童 仅用于学术分享，若侵权请联系删除 前沿：由深度学习技术的快速发展推动，YOLO系列为实时目标检测器设定了新的基准。研究行人不断在YOLO的基础上探索重参化、高效层聚合网络以及 Anchor-Free 点技术的创新应用。为了进一步提升检测性能，引入了基于Transformer的结构，显著扩大了模型的感受野，并实现了显著的性能提升。然而，这样的改进是有代价的，因为自注意力机制的双曲复杂性增加了模型的计算负担。幸运的是，状态空间模型（SSM）作为一种创新技术的出现，有效地缓解了双曲复杂性引起的问题。鉴于这些进步，作者引入了Mamba-YOLO，这是一个基于SSM的新型目标检测模型。Mamba-YOLO不仅优化了SSM的基础，还专门适应了目标检测任务。 PyTorch代码：https://github.com/HZAI-ZJNU/Mamba-YOLO 1 Introduction 近年来，深度学习迅速发展，特别是在 ………………………………