YoloV8改进策略:Intel面向参数高效动态卷积KernelWarehouse,YoloV8的上分显眼包

文章目录

  • 摘要
  • 论文:面向参数高效动态卷积——KernelWarehouse
  • 1、简介
  • 2、相关工作
  • 3、方法
    • 3.1、KernelWarehouse的表述
    • 3.2、KernelWarehouse的注意力模块
  • 4、实验
    • 4.1、ImageNet上的图像分类
    • 4.2、MS-COCO上的目标检测
    • 4.3、消融实验
  • 5、结论
  • Yolov8官方结果
  • 改进一:使用KernelWarehouse卷积替换Bottleneck中的卷积,创建Bottleneck_Ware模块。
    • 改进方法
    • 测试结果
  • 改进二:使用KernelW

你可能感兴趣的:(人工智能,计算机视觉,目标检测,YOLO)