💡💡💡本文改进内容: YOLOv10如何魔改卷积进一步提升检测精度?提出了一种卷积的变体,称为DSConv(分布偏移卷积),其可以容易地替换进标准神经网络体系结构并且实现较低的存储器使用和较高的计算速度。 DSConv将传统的卷积内核分解为两个组件:可变量化内核(VQK)和分布偏移
💡💡💡计算量比较,原始YOLOv10n为8.4 GFLOPs,改进后的为7.8 GFLOPs
YOLOv10n summary: 385 layers, 2709380 parameters, 2709364 gradients, 8.4 GFLOPs
YOLOv10n-DSConv summary: 385 layers, 2709380 parameters, 2709364 gradients, 7.8 GFLOPs
改进结构图如下:
《YOLOv10魔术师专栏》将从以下各个方向进行创新:
【原创自研模块】【多组合点优化