首发YOLOv5即插即用模块SCCOnv:CVPR2023(Spatial and Channel Reconstruction Convolution for Feature Redundancy)

ScSCConv

  • 论文解读
    • 具体工作
    • 具体结构
  • 核心代码
    • **yolo注册**
    • yaml文件
    • 运行结果测试

论文解读

首发YOLOv5即插即用模块SCCOnv:CVPR2023(Spatial and Channel Reconstruction Convolution for Feature Redundancy)_第1张图片
本文主要是提出了一个新颖的卷积模块SCConv,名字含义是结合空间和通道的重组卷积,此模块目标在于减少视觉任务中由于冗余特征提取而产生的计算成本。卷积神经网络(cnn)在各种计算机视觉任务中取得了显著的性能,但这是以巨大的计算资源为代价的,部分原因是卷积层提取冗余特征。最近的作品要么压缩训练有素的大型模型,要么探索设计良好的轻量级模型。在本文中,我们尝试利用特征之间的空间和通道冗余来进行CNN压缩,并提出了一种高效的卷积模块,称为SCConv (spatial and channel reconstruction convolution),以减少冗余计算

具体工作

与之前的SCconv(自校正卷积)不要混淆,这种结构通过采用校正操作允许每个空间位置不仅将其周围的信息环境自适应地视为来自低分辨

你可能感兴趣的:(YOLOv8,YOLO5系列改进专栏,YOLOv8改进系列,YOLO)