YOLOv8改进 | Neck篇 | YOLOv8引入Slim-Neck（超轻量）

1. Slim-Neck介绍

摘要：目标检测是计算机视觉中重要的下游任务。 对于车载边缘计算平台来说，巨大的模型很难达到实时检测的要求。 而且，由大量深度可分离卷积层构建的轻量级模型无法达到足够的精度。 我们引入了一种新的轻量级卷积技术 GSConv，以减轻模型重量但保持准确性。 GSConv 在模型的准确性和速度之间实现了出色的权衡。 并且，我们提供了一种设计范例，细颈，以实现探测器更高的计算成本效益。 我们的方法的有效性在二十多组比较实验中得到了强有力的证明。 特别是，与原始检测器相比，通过我们的方法改进的检测器获得了最先进的结果（例如，SODA10M 在 Tesla T4 GPU 上以约 100FPS 的速度获得 70.9% mAP0.5）。

官方论文地址：https://arxiv.org/ftp/arxiv/papers/2206/2206.02424.pdf

官方代码地址：https://github.com/alanli1997/slim-neck-by-gsconv

简单介绍:  

          GSConv的引入：GSConv（Group-wise Spatial Convolution）的提出，旨在优化卷积神经网络（CNN）中图像预测的计算效率。在标准的CNN架构中，随着网络深度的增加，空间信息逐步转化为通道信息，这一转换过程在每次特征图的空间压缩和通道扩展操作中