论文：YOLOv9 — 使用可编程梯度信息学习你想学的东西

文章预览

点击下方 卡片 ，关注“ 小白玩转Python ”公众号 论文地址： https://arxiv.org/abs/2402.13616 代码地址： https://github.com/WongKinYiu/yolov9 本文介绍了一种名为可编程梯度信息（PGI）的新概念，以解决深度学习网络中数据丢失的问题， 因为数据经过逐层特征提取和空间转换。PGI旨在为计算目标函数提供完整的输入信息，确保网络权重更新的可靠梯度信息。除了PGI，作者们还提出了一种名为广义高效层聚合网络（G ELAN）的新型轻量级网络架构，该架构基于梯度路径规划进行设计。与使用深度卷积的最新方法相比，GELAN利用传统的卷积算子实现更好的参数利用率。通过在MS COCO数据集上进行目标检测任务，展示了GELAN和PGI的有效性，表明该方法允许从头开始训练的模型超越在大型数据集上预训练的模型的性能。 问题陈述  信息瓶颈原理  信息瓶颈原理突出了数据X在 ………………………………