YOLOv8优化策略:轻量化改进 | MobileNetV3,轻量级骨架首选

 本文改进:MobileNetV3的创新点包括:使用自适应瓶颈宽度、借鉴SENet中的Squeeze-and-Excitation机制、引入h-swish激活函数等。

 YOLOv8改进专栏:http://t.csdnimg.cn/hGhVK

学姐带你学习YOLOv8,从入门到创新,轻轻松松搞定科研;

 1.MobileNetV3介绍

YOLOv8优化策略:轻量化改进 | MobileNetV3,轻量级骨架首选_第1张图片

论文:https://arxiv.org/pdf/1905.02244.pdf 

MobileNetV1、V2、V3都是Google提出的轻量级卷积神经网络模型,用于在移动设备等资源受限环境下进行图像分类、目标检测等任务。

其中,MobileNetV1是第一个被提出的版本,它主要采用深度可分离卷积(Depthwise Separable Convolution)来减少计算量和参数量,从而达到轻量化的效果。MobileNetV2在MobileNetV1的基础上,引入了线性瓶颈和倒残差等结构ÿ

你可能感兴趣的:(YOLOv8创新改进,YOLO,人工智能,深度学习,cnn,神经网络)