文章目录
- 摘要
- Yolov8官方结果
- 源码
- 改进方法
- 测试结果
- 总结
摘要
论文链接：https://arxiv.org/ftp/arxiv/papers/2206/2206.02424.pdf
作者研究了增强 CNN 学习能力的通用方法，例如 DensNet、VoVNet 和 CSPNet，然后根据这些方法的理论设计了 Slim-Neck 结构。
使用轻量级卷积方法 GSConv 来代替 SC。其计算成本约为 SC 的60%~70%，但其对模型学习能力的贡献与后者不相上下。然后，在 GSConv 的基础上继续引入 GSbottleneck，下图（a）展示了 GSbottleneck 模块的结构。
同样，使用一次性聚合方法来设计跨级部分网络 (GSCSP) 模块 VoV-GSCSP。VoV-GSCSP 模块降低了计算和网络结构的复杂性，但保持了足够的精度。 (b) 显示了 VoV-GSCSP 的结构。使用 VoV-GSCSP 代替 Neck 的
