YOLOv8优化策略：轻量化改进 | 超越RepVGG！浙大&阿里提出OREPA：在线卷积重参数化

发布时间：2024年01月11日

 ??????本文改进：在线卷积重参数化巧妙的和YOLOV8结合，并实现轻量化

 ??????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.OREPA介绍

论文：https://arxiv.org/pdf/2204.00826.pdf

摘要：结构重新参数化在各种计算机视觉任务中引起了越来越多的关注。它旨在在不引入任何推理时间成本的情况下提高深度模型的性能。尽管在推理过程中效率很高，但此类模型严重依赖复杂的训练时的block来实现高精度，从而导致大量额外的训练成本。在本文中，作者提出了在线卷积重新参数化（OREPA），这是一个两阶段的pipeline，旨在通过将复杂的训练时的block压缩到单个卷积中来减少巨大的训练开销。为了实现这个目标，作者引

文章来源:https://blog.csdn.net/CV_20231007/article/details/135506867
本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
最新文章