序文
軽量ネットワーク設計は、モバイル デバイスなどのリソースに制約のある環境向けのディープ ラーニング モデルの設計方法です。一般的な軽量ネットワーク設計方法をいくつか示します。
- ネットワーク プルーニング: ニューラル ネットワーク内の冗長な接続とパラメータを削除して、モデルの圧縮と高速化を実現します。
- グループ畳み込み: 畳み込み演算をいくつかの小さな畳み込み演算に分解し、それらを入力の異なるチャネルに適用することで、計算量を削減します。
- 深さ方向の分離可能な畳み込み: 標準の畳み込みを深さ方向の畳み込みとポイント単位の畳み込みの 2 つのステップに分解します。これにより、ほとんどの場合、計算量を大幅に削減できます。
- クロスレイヤ接続: トレーニングが必要なパラメータの数を減らしながら、複数のレベルにわたる接続を通じてニューラル ネットワークの深さと複雑さを高めます。
- モジュール設計: ニューラル ネットワークを複数の再利用可能なモジュールに分解して、モデルの調整性と適応性を向上させます。
従来のYOLOv8 シリーズ、バックボーン を採用しています。比較的複雑な C2f ネットワーク構造により、モデルの計算量が大幅に増加し、検出速度が遅く、アプリケーションが制限されます。モバイルや組み込みデバイスなどのアプリケーション シナリオでは、このような大規模で複雑なモデルを適用するのは困難です。この問題を解決するために、この章ではゴーストネットを採用します。