YOLOv13改进策略【Backbone/主干网络】| 替换骨干网络为MoblieNetV1，用于移动视觉应用的高效卷积神经网络

一、本文介绍

本文记录的是基于MobileNet V1的YOLOv13轻量化改进方法研究。

MobileNet V1基于深度可分离卷积构建，其设计旨在满足移动和嵌入式视觉应用对小型、低延迟模型的需求，具有独特的模型收缩超参数来灵活调整模型大小与性能。本文将MobileNet V1应用到YOLOv13中，有望借助其高效的结构和特性，提升YOLOv13在计算资源有限环境下的性能表现，同时保持一定的精度水平。

二、MoblieNet V1设计原理

2.1 出发点

在许多实际应用如机器人、自动驾驶和增强现实中，识别任务需要在计算资源有限的平台上及时完成。但以往为提高准确性而构建的更深更复杂的网络，在尺寸和速度方面并不高效。因此，需要构建小型、低延迟的模型来满足移动和嵌入式视觉应用的设计要求。