[YOLOv7/YOLOv5系列算法改进NO.40]轻量化mobileone主干网络引入

人工智能算法研究院

已于 2023-04-08 19:45:13 修改

阅读量8.9k

点赞数

CC 4.0 BY-SA版权

分类专栏： YOLO算法改进系列 YOLO系列目标检测算法创新改进方法文章标签：深度学习计算机视觉目标检测

于 2022-10-27 19:01:13 首次发布

本文链接：https://blog.csdn.net/m0_70388905/article/details/127558329

YOLO系列目标检测算法创新改进方法同时被 2 个专栏收录

75 篇文章 ¥129.90 ¥299.90

订阅专栏

超级会员免费看

YOLO算法改进系列

166 篇文章

订阅专栏

本文介绍了将MobileOne轻量化网络应用于YOLOv7，以提升目标检测算法的实时性和效率。通过分析和实验，MobileOne在iPhone12上的推理时间低于1ms，同时保持了高性能。在YOLOv7和YOLOv5中添加MobileOne的步骤详述，包括在common.py和yolo.py中构建及注册模块，修改yaml配置文件，以及训练过程。实验证实在遥感数据集上有所提升，该方法同样适用于其他YOLO系列和目标检测网络。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

前言

作为当前先进的深度学习目标检测算法YOLOv7，已经集合了大量的trick，但是还是有提高和改进的空间，针对具体应用场景下的检测难点，可以不同的改进方法。此后的系列文章，将重点对YOLOv7的如何改进进行详细的介绍，目的是为了给那些搞科研的同学需要创新点或者搞工程项目的朋友需要达到更好的效果提供自己的微薄帮助和参考。由于出到YOLOv7，YOLOv5算法2020年至今已经涌现出大量改进论文，这个不论对于搞科研的同学或者已经工作的朋友来说，研究的价值和新颖度都不太够了，为与时俱进，以后改进算法以YOLOv7为基础，此前YOLOv5改进方法在YOLOv7同样适用，所以继续YOLOv5系列改进的序号。另外改进方法在YOLOv5等其他算法同样可以适用进行改进。希望能够对大家有帮助。
YOLOv7融合mobileone代码
链接：https://pan.baidu.com/s/17jpfmRUayKbuedulA_ncZA
提取码：关注私信后获取
具体改进办法请关注后私信留言！关注免费领取深度学习算法学习资料！