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...

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...

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....

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....

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。
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。
网络更多卷积相关
域名解析DNS
关注DNS行业趋势、技术、标准、产品和最佳实践,连接国内外相关技术社群信息,追踪业内DNS产品动态,加强信息共享,欢迎大家关注、推荐和投稿。
+关注