【YOLOv10多模态融合改进】| 引入轻量化特征提取模块，解决多模态中的双模型参数量、计算量增加问题（适用不同的轻量化模块）

一、本文介绍

本文记录的是利用轻量化模块改进 YOLOv10 的多模态目标检测网络模型。由于多模态模型在训练过程中使用的是两个模型，整体的参数量计算量相比一般的单模态模型大，所以轻量化也是多模态模型改进过程中常见的一个改进方向。本文介绍如何使用轻量化模块改进YOLOv10中的主要特征提取模块C2fCIB。效果如下，也可替换成其它轻量化模块。

模型	参数量（验证）	计算量（验证）
YOLOv10n前期融合	2.7 M	9.0 GFLOPs
轻量后的前期融合	2.1 M（-0.6）	7.3 GFLOPs（-1.7）
YOLOv10n中期融合	3.7 M	11.3 GFLOPs
轻量后的中期融合	2.7 M（-1.0）	8.5 GFLOPs（-2.8）
YOLOv10n中-后期融合	4.4 M	14.3 GFLOPs
轻量后的中-后期融合	3.4 M （-1.0）	11.1 GFLOPs（-3.2）
YOLOv10n后期融合	5.3 M	15.7 GFLOPs
轻量后的后期融合	4.2 M（-1.1）	12.3 GFLOPs（-3.4）

---

专栏地址：YOLO系列模型的多模态融合改进——极易上手、非常好发文的多模态改进教程！