一、本文介绍
本文记录的是基于FasterNet的YOLOv11轻量化改进方法研究。FasterNet
的网络结构借鉴 CNN 的设计理念,通过提出的PConv
减少推理时的计算和内存成本,同时减少通道数并增加部分比例,降低延迟,并通过后续的PWConv
来弥补特征信息可能缺失的问题,提高了准确性。本文在替换骨干网络中配置了原论文中的fasternet_t0
、fasternet_t1
、fasternet_t2
、fasternet_s
、fasternet_m
和fasternet_l
六种模型,以满足不同的需求。
模型 | 参数量 | 计算量 | 推理速度 |
---|---|---|---|
YOLOv11m | 20.0M | 67.6GFLOPs | 3.5ms |
Improved | 13.0M | 33.2GFLOPs | 2.6ms |
专栏目录:YOLOv11改进目录一览 | 涉及卷积层、轻量化、注意力、损失函数、Backbone、SPPF、Neck、检测头等全方位改进
专栏地址:YOLOv11改进专栏——以发表论文的角度,快速准确的找到有效涨点的创新点!
文章目录
- 一、本文介绍
- 二、FasterNet结构详解
- 2.1 出发点
- 2.2 原理
- 2.2.1 PConv(部分卷积)的原理
- 2.2.2 FasterNet的构建原理
- 2.3 结构
- 2.3.1 整体架构
- 2.3.2 各层细节
- 2.4 优势
- 三、RepVit模块的实现代码