【YOLOv12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）

本文链接：https://blog.youkuaiyun.com/qq_42591591/article/details/147209186

一、本文介绍

本文记录的是利用轻量化模块改进 YOLOv12 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YOLOv12中的主要特征提取模块C3k2和A2C2f。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）
YOLOv12n前期融合	2.5 M	6.7 GFLOPs
轻量后的前期融合	1.7 M（-0.8）	5.3 GFLOPs（-1.4）
YOLOv12n中期融合	4.0 M	8.9 GFLOPs
轻量后的中期融合	2.6 M（-1.4）	6.9 GFLOPs（-2.0）
YOLOv12n中-后期融合	4.2 M	10.4 GFLOPs
轻量后的中-后期融合	2.8 M （-1.4）	8.1 GFLOPs（-2.3）
YOLOv12n后期融合	5.0 M	11.5 GFLOPs
轻量后的后期融合	3.4 M（-1.6）	8.8 GFLOPs（-2.7）