YOLOv11 的改进 | Conv Episode | YOLOv11 引入 PConv [CVPR2023
最编程
2024-10-04 22:39:01
...
1. PConv介绍
1.1 摘要:为了设计快速的神经网络,许多工作都集中在减少浮点运算(FLOPs)的数量上。然而,我们观察到FLOP的这种减少不一定导致延迟的类似水平的减少。这主要是由于低效率的每秒浮点运算(FLOPS)。为了实现更快的网络,我们重新审视流行的运营商,并证明,这种低FLOPS主要是由于频繁的内存访问的运营商,特别是dependency卷积。因此,我们提出了一种新的部分卷积(PConv),更有效地提取空间特征,同时减少冗余计算和内存访问。在PConv的基础上,我们进一步提出了FasterNet,这是一个新的神经网络家族,它在各种设备上获得比其他网络高得多的运行速度,同时不会影响各种视觉任务的准确性。例如,在ImageNet 1 k上,我们的微型FasterNet-T0在GPU、CPU和ARM处理器上的速度分别比MobileViT-XXS快2.8倍、3.3倍和2.4倍,同时准确率高出2.9%。我们的大型FasterNet-L实现了令人印象深刻的83.5% top-1准确率,与新兴的Swin-B相当,同时在GPU上的推理吞吐量提高了36%ÿ
上一篇: OpenGL ES 索引缓冲区(4)
下一篇: NX 二次开发--进入、退出功能帮助文件
推荐阅读
-
YOLOv11 的改进 | Conv Episode | YOLOv11 引入 PConv [CVPR2023
-
联网]使用网线连接两台计算机的远程桌面-7。其他建议
-
用于教育问题分类和生成的 LLM 分析-附录
-
小米 13T Pro 系统典藏版:性能与拍照的极致融合,值得你升级的系统 ROM
-
确定有向图是否为单连图的算法
-
YOLOv11 改进 | 独家创新--注意力 | YOLOv11 结合了新的多尺度动态增强注意力机制 DSAttention(独家网络创新)。
-
基于 FFmpeg 的 YouTube 音频/视频批量合并功能
-
跨域的解决方案
-
Python+Matplotlib 奇偶函数可视化的简单示例 - 奇异函数 定义:如果对于定义域中的任意 x,存在 f(-x) = -f(x),则称 f(x) 为奇异函数。奇函数的特征奇函数的图象与原点对称。
-
C++ 语言特性 15 - 基于范围的 For 循环