RT-DETR算法优化改进：轻量化自研设计双卷积重新设计backbone和neck，完成涨点且计算量和参数量显著下降

2023-12-13 06:39:57

??????本文自研创新改进：双卷积由组卷积和异构卷积组成，执行 3×3 和 1×1 卷积运算代替其他卷积核仅执行 1×1 卷积，YOLOv8 Conv，从而轻量化RT-DETR，性能如下表，GFLOPs 8.1降低至7.6，参数量6.3MB降低至5.8MB

RT-DETR魔术师专栏介绍：

https://blog.csdn.net/m0_63774211/category_12497375.html

???魔改创新RT-DETR

??????引入前沿顶会创新，助力RT-DETR

??????基于ultralytics优化，与YOLO完美结合
 

1.DualConv原理

论文：https://arxiv.org/pdf/2202.07481.pdf

摘要：CNN 架构通常对内存和计算要求很高，这使得它们对于硬件资源有限的嵌入式系统不可行。 我们提出双卷积核（DualConv）来构建轻量级深度神经网络。 DualConv 结合了 3×

文章来源:https://blog.csdn.net/m0_63774211/article/details/134920023
本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。