一、本文介绍
本文记录的是基于VanillaNet的YOLOv11轻量化改进方法研究。VanillaNet
的极简主义在于无 shortcut 连接,并且在网络的每个阶段仅使用一层卷积,无额外复杂模块,仅通过自身简洁的架构设计和训练策略,实现有效地训练和优化。
本文在替换骨干网络中配置了原论文中的vanillanet_5
、vanillanet_6
、vanillanet_7
、vanillanet_8
、vanillanet_9
、vanillanet_10
、vanillanet_11
、vanillanet_12
、vanillanet_13
、vanillanet_13_x1_5
、和vanillanet_13_x1_5_ada_pool
11种模型,以满足不同的需求。
模型 | 参数量 | 计算量 | 推理速度 |
---|---|---|---|
YOLOv11m | 20.0M | 67.6GFLOPs | 3.5ms |
Improved | 10.4M | 29.8GFLOPs | 2.3ms |
专栏目录:YOLOv11改进目录一览 | 涉及卷积层、轻量化、注意力、损失函数、Backbone、SPPF、Neck、检测头等全方位改进