文章 2025-02-09 来自:开发者社区

RT-DETR改进策略【模型轻量化】| 替换骨干网络为MoblieNetV1,用于移动视觉应用的高效卷积神经网络

一、本文介绍 本文记录的是基于MobileNet V1的RT-DETR轻量化改进方法研究。MobileNet V1基于深度可分离卷积构建,其设计旨在满足移动和嵌入式视觉应用对小型、低延迟模型的需求,具有独特的模型收缩超参数来灵活调整模型大小与性能。本文将MobileNet V1应用到RT-DETR中,有望借助其高效的结构和特性,提升RT-DETR在计算资源有限环境下的性能表现,同时保持一定的精度....

RT-DETR改进策略【模型轻量化】| 替换骨干网络为MoblieNetV1,用于移动视觉应用的高效卷积神经网络
文章 2025-02-09 来自:开发者社区

RT-DETR改进策略【模型轻量化】| PP-LCNet:轻量级的CPU卷积神经网络

一、本文介绍 本文记录的是利用PP-LCNet中的DepSepConv模块优化RT-DETR。本文利用DepSepConv模块改善模型结构,使模型在几乎不增加延迟的情况下提升网络准确度。 模型 参数量 计算量 推理速度 rtdetr-l 32.8M 108.0GFLOPs 11.6ms Improv...

RT-DETR改进策略【模型轻量化】| PP-LCNet:轻量级的CPU卷积神经网络
文章 2025-02-04 来自:开发者社区

YOLOv11改进策略【模型轻量化】| 替换骨干网络为MoblieNetV1,用于移动视觉应用的高效卷积神经网络

一、本文介绍 本文记录的是基于MobileNet V1的YOLOv11轻量化改进方法研究。MobileNet V1基于深度可分离卷积构建,其设计旨在满足移动和嵌入式视觉应用对小型、低延迟模型的需求,具有独特的模型收缩超参数来灵活调整模型大小与性能。本文将MobileNet V1应用到YOLOv11中,有望借助其高效的结构和特性,提升YOLOv11在计算资源有限环境下的性能表现,同时保持一定的精度....

YOLOv11改进策略【模型轻量化】| 替换骨干网络为MoblieNetV1,用于移动视觉应用的高效卷积神经网络
文章 2025-02-04 来自:开发者社区

YOLOv11改进策略【模型轻量化】| PP-LCNet:轻量级的CPU卷积神经网络

一、本文介绍 本文记录的是利用PP-LCNet中的DepSepConv模块优化YOLOv11中的C3k2。本文利用DepSepConv模块改善模型结构,使模型在几乎不增加延迟的情况下提升网络准确度。 模型 参数量 计算量 推理速度 YOLOv11m 20.0M 67.6GFLOPs 3.5ms Im...

YOLOv11改进策略【模型轻量化】| PP-LCNet:轻量级的CPU卷积神经网络
文章 2022-10-27 来自:开发者社区

ShuffleNet:极致轻量化卷积神经网络(分组卷积+通道重排)

@toc) 参考论文:ShuffleNet: An Extremely Efficient Convolutional Neural Network for Mobile Devices作者:Xiangyu Zhang ,Xinyu Zhou,Mengxiao Lin,Jian Sun1、论文摘要  我们引入了一个高效计算的CNN结构名字叫做shuffleNet,这个结构被设计用来解决部署算力非....

ShuffleNet:极致轻量化卷积神经网络(分组卷积+通道重排)
文章 2022-10-27 来自:开发者社区

ShuffleNetV2:设计轻量化卷积神经网络的理论准则和应用实现

@toc  参考论文:ShuffleNet V2: Practical Guidelines for Efficient CNN Architecture Design   作者:Ningning Ma, Xiangyu Zhang, Hai-Tao Zheng, Jian Sun;  上一篇我们复现过ShuffleNetV1架构,今天来复现ShuffleNetV2架构  前置知识:Mobile....

ShuffleNetV2:设计轻量化卷积神经网络的理论准则和应用实现
文章 2022-02-17 来自:开发者社区

轻量化卷积神经网络MobileNet论文详解(V1&V2)

本文是 Google 团队在 MobileNet 基础上提出的 MobileNetV2,其同样是一个轻量化卷积神经网络。目标主要是在提升现有算法的精度的同时也提升速度,以便加速深度网络在移动端的应用。  

文章 2022-02-16 来自:开发者社区

Google论文解读:轻量化卷积神经网络MobileNetV2 | PaperDaily #38

本文是 Google 团队在 MobileNet 基础上提出的 MobileNetV2,其同样是一个轻量化卷积神经网络。目标主要是在提升现有算法的精度的同时也提升速度,以便加速深度网络在移动端的应用。 如果你对本文工作感兴趣,点击底部的阅读原文即可查看原论文。 关于作者:陈泰红,小米高级算法工程师,研究方向为人脸检测识别,手势识别与跟踪。 论文 | Inverted Residuals an...

本页面内关键词为智能算法引擎基于机器学习所生成,如有任何问题,可在页面下方点击"联系我们"与我们沟通。