weixin_38647644的博客

本文介绍FasterNet（CVPR2023, 由香港科技大学出品），一种基于部分卷积网络PConv的新网络，模型的动机在于减少计算冗余和内存访问提升更快的速度同时，保持更高的精度。PConv通过仅对特征中的部分通道应用常规卷积，有效地降低了FLOPs，提高了计算效率。实验结果显示，FasterNet在GPU、CPU和ARM处理器上均表现出优于MobileViT的性能，同时保持了高精度。

ConvNext是一个向Transformer看齐的卷积神经网络，作者以ResNet为起源，参照Transformer、ResNeXT、以及MobileNetv2的一些结构特性进行模型结构的调整，取得了不错的指标(超越Swin)

YOLOMS整体网络结构可以看作是在RTMDet结构框架上重新设计backbone和Neck的模型。MS-Block的设计综合了Res2Net的多层特征融合策略和大kernel卷积，同时结合Inverted BottleNeck Block进行计算开销的平衡；该设计能够让特征在不同维度分别具有不同的尺度信息，在一定程度上，降低了特征不同通道之间的冗余性，丰富了特征的粒度。另一方面，对MS-Block中的kxk卷积核的选择进行了进一步思考。提出了随着网络的加深逐渐增加卷积kernel-size尺寸的思路。