Yolov8-pose关键点检测:模型轻量化创新 | BiLevelRoutingAttention 动态稀疏注意力 | CVPR2023 BiFormer

 本文解决什么问题:BiLevelRoutingAttention ,通过双层路由(bi-level routing)提出了一种新颖的动态稀疏注意力(dynamic sparse attention )

 ​BiLevelRoutingAttention  |  GFLOPs从9.6降低至8.5,参数量从6482kb降低至6134kb, mAP50从0.921提升至0.926

Yolov8-Pose关键点检测专栏介绍:https://blog.csdn.net/m0_63774211/category_12398833.html

✨✨✨手把手教你从数据标记到生成适合Yolov8-pose的yolo数据集;

模型性能提升、pose模式部署能力;

应用范围:工业工件定位、人脸、摔倒检测等支持各个关键点检测;

Yolov8-pose关键点检测:模型轻量化创新 | BiLevelRoutingAttention 动态稀疏注意力 | CVPR2023 BiFormer_第1张图片

 1.Yolov8-pose引入BiLeve

你可能感兴趣的:(YOLO,目标检测,人工智能,计算机视觉,python)