YOLOV8改进:RefConv(即插即用重参数化重聚焦卷积替代常规卷积,无额外推理成本下涨点明显)

1.该文章属于YOLOV5/YOLOV7/YOLOV8改进专栏,包含大量的改进方式,主要以2023年的最新文章和2022年的文章提出改进方式。
2.提供更加详细的改进方法,如将注意力机制添加到网络的不同位置,便于做实验,也可以当做论文的创新点

3.涨点效果:RefConv,实现有效涨点!

论文地址

目录

1.步骤一

2.步骤二

3.步骤三

 

15b7ab492f8a4404a2a9ef4716e84045.png

我们提出了重新参数化的重聚焦卷积(RefConv)作为常规卷积层的替代品,常规卷积层是一个即插即用的模块,可以在不需要任何推理成本的情况下提高性能。具体来说,给定一个预先训练的模型,RefConv对从预先训练的模型继承的基核应用一个可训练的重新聚焦转换,以建立参数之间的连接。例如,一个深度级的RefConv可以将卷积核的一个特定通道的参数与另一

你可能感兴趣的:(YOLO,pytorch,机器学习,深度学习,人工智能)