1. この記事は YOLOV5/YOLOV7/YOLOV8 改善コラムに属しており、2023 年の最新記事と 2022 年の記事を中心に多数の改善方法が掲載されています。
2. ネットワークのさまざまな位置にアテンションメカニズムを追加するなど、より詳細な改善方法を提供します。これは実験に便利であり、論文の革新的なポイントとしても使用できます。
2. ポイント増加効果: SCConv を追加します。テスト後、ポイント増加が効果的です。
目次
畳み込みニューラル ネットワーク (CNN) は、さまざまなコンピューター ビジョン タスクで目覚ましいパフォーマンスを達成しましたが、畳み込み層によって抽出された冗長な特徴のせいで、膨大な計算リソースが犠牲になりました。最近の研究では、よく訓練された大規模モデルを圧縮するか、よく設計された軽量モデルを探索します。この論文では、CNN 圧縮の特徴間の空間的およびチャネル冗長性を活用することを試み、SCConv (空間およびチャネル) と呼ばれる効率的な畳み込みモジュールを提案します。