YOLOv11 的改进 | Conv Episode | YOLOv11 引入 PConv [CVPR2023

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