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】| 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 2024-11-07 来自:开发者社区

【YOLOv11改进 - 注意力机制】SimAM:轻量级注意力机制,解锁卷积神经网络新潜力

介绍 摘要 在本文中,我们提出了一种概念上简单但非常有效的卷积神经网络(ConvNets)注意力模块。与现有的通道注意力和空间注意力模块不同,我们的模块为特征图推断3D注意力权重,而无需向原始网络添加参数。具体来说,我们基于一些知名的神经科学理论,提出通过优化能量函数来找出每个神经元的重要性。我们进一步推导出一个快速的闭式解,并展示该解可以在不到十行代码中实现。该模块的另一个优点是大多数操作符.....

【YOLOv11改进 - 注意力机制】SimAM:轻量级注意力机制,解锁卷积神经网络新潜力
文章 2024-07-19 来自:开发者社区

【YOLOv8改进- Backbone主干】YOLOv8 更换主干网络之 PP-LCNet,轻量级CPU卷积神经网络,降低参数量

YOLO目标检测创新改进与实战案例专栏 专栏目录: YOLO有效改进系列及项目实战目录 包含卷积,主干 注意力,检测头等创新机制 以及 各种目标检测分割项目实战案例 专栏链接: YOLO基础解析+创新改进+实战案例 介绍 摘要 我们提出了一种基于MKLDNN加速策略的轻量级CPU网络,命名为PP-LCNet,它在多项任务中提高了轻量级模型的性能。本文列出了在延迟几乎不...

【YOLOv8改进- Backbone主干】YOLOv8 更换主干网络之 PP-LCNet,轻量级CPU卷积神经网络,降低参数量
文章 2024-06-30 来自:开发者社区

【YOLOv8改进 - 注意力机制】SimAM:轻量级注意力机制,解锁卷积神经网络新潜力

YOLO目标检测创新改进与实战案例专栏 专栏目录: YOLO有效改进系列及项目实战目录 包含卷积,主干 注意力,检测头等创新机制 以及 各种目标检测分割项目实战案例 专栏链接: YOLO基础解析+创新改进+实战案例 摘要 在本文中,我们提出了一种概念上简单但非常有效的卷积神经网络(ConvNets)注意力模块。与现有的通道注意力和空间注意力模块不同,我们的模块为特征图推断3D...

【YOLOv8改进 - 注意力机制】SimAM:轻量级注意力机制,解锁卷积神经网络新潜力
文章 2022-02-17 来自:开发者社区

轻量级深度卷积神经网络在农业机器人中的应用

在本文中,作者提出了学习轻量级模型的一个非常新颖的方式,在实现精度超过 90% 的同时让训练速度快了一个数量级,让参数也少了一个数量级。作者主要使用了以下三个步骤:1). 将预先训练好的模型适应于手头的任务中。2). 在适应的模型中使用模型压缩技术来学习到一个具有更少参数的轻量级深度卷积神经网络(DCNN)3). 作者将 K 个轻量级模型结合起来作为一个混合模型来提高轻量级模型的性能最后,这个方....

轻量级深度卷积神经网络在农业机器人中的应用

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。

AI助理

你好,我是AI助理

可以解答问题、推荐解决方案等