YOLOv8-Seg改进：卷积变体系列篇 | PConv，减少冗余计算和内存访问可以更有效地提取空间特征 | CVPR2023 FasterNet

  本文改进：PConv，减少冗余计算和内存访问可以更有效地提取空间特征，引入到YOLOv8，与C2f结合实现二次创新；

PConv 亲测在多个数据集能够实现涨点，同样适用于小目标分割

 YOLOv8-seg创新专栏：http://t.csdnimg.cn/KLSdv

学姐带你学习YOLOv8，从入门到创新，轻轻松松搞定科研；
1）手把手教你如何训练YOLOv8-seg；
2）模型创新，提升分割性能；
3）独家自研模块助力分割；

 1.FasterNet介绍

    为了设计快速神经网络，许多工作都集中在减少浮点运算（FLOPs）的数量上。然而，作者观察到FLOPs的这种减少不一定会带来延迟的类似程度的减少。这主要源于每秒低浮点运算（FLOPS）效率低下。为了实现更快的网络，作者重新回顾了FLOPs的运算符，并证明了如此低的FLOPS主要是由于运算符的频繁内存访问&#