作者丨happy
编辑丨极市平台
论文链接：https://arxiv.org/pdf/2110.13713.pdf
代码链接：https://github.com/prakharg24/yoloret
本文提出了一种边缘GPU设备上的高性能检测器YOLO-ReT，它包含两个关键性的改进：(1) 边缘GPU友好的模块RFCR用于多尺度特征交互；(2) 一种基于迁移学习的骨干截断机制。尤其值得称道的是：文中关于骨干截断分析与实验。为下游任务的模型缩放提供了一种更好的骨干网络设计机制。
截断骨干用于检测，YOLO-ReT开源：边缘GPU设备上的高性能检测器
YOLO-ReT是一种专为边缘GPU设备设计的高效目标检测器，其核心改进包括RFCR模块以优化多尺度特征交互，以及采用骨干网络截断机制进行迁移学习。该文对骨干截断的分析实验为模型缩放提供了新思路。
部署运行你感兴趣的模型镜像
您可能感兴趣的与本文相关的镜像
Yolo-v5
Yolo
YOLO（You Only Look Once）是一种流行的物体检测和图像分割模型，由华盛顿大学的Joseph Redmon 和Ali Farhadi 开发。 YOLO 于2015 年推出，因其高速和高精度而广受欢迎
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
