一、本文介绍
本文给大家带来的改进机制是RepHead,该检测头为我独家全网首发,该检测头由重参数化模块组成,加大对于特征学习的能力,却可以不增加GFLOPs(仅仅略微提升)从而不影响模型的推理速度和性能,保持较高的FPS能力,牺牲了少量GFLOPs的情况下确提高了模型的特征提取能力,对于那些数据集中有困难识别的样本来说是非常有效的解决方法,同时本文的检测头结构为我本人独家提出,全网仅此一份,结构非常新颖,想要发表论文的读者非常推荐使用。
推荐指数:⭐⭐⭐⭐⭐
欢迎大家订阅我的专栏一起学习YOLO!

目录
二、RepHead的核心思想
RepVGG代码地址:本文无开源地址,为本人引用了YOLOv8仓库中的conv中的RepConv二次创新,大家可以在目录'ultralytics/nn/modules/conv.py'中找到RepConv,或者我下面给的代码里面也有。
RepVGG论文地址:官方地址点击即可跳转
本检测头的核心思想是使用RepConv的重参数化能力,在训练时使用多分枝辅助训练的思想,在推理阶段转化为串行进行的结构,下面的RepConv的核心思想大家可以看一下,应该非常的明了对于图B和图C,
订阅专栏 解锁全文
1万+



被折叠的 条评论
为什么被折叠?



