本文介绍了如何在YOLOv8中更换MobileNetV3作为主干网络，以提升目标检测任务的性能。MobileNetV3通过硬件感知的NAS和NetAdapt算法，实现了在ImageNet分类、检测和分割任务上的SOTA成果。MobileNetV3-Large相比于MobileNetV2，精度提高3.2%，延迟降低20%。详细步骤包括创建新文件、导入代码、修改配置并训练。
论文地址：https://arxiv.org/abs/1905.02244
代码地址：https://github.com/xiaolai-sqlai/mobilenetv3
我们展示了基于互补搜索技术和新颖架构设计相结合的下一代 MobileNets。MobileNetV3通过结合硬件感知网络架构搜索（NAS）和 NetAdapt算法对移动设计如何协同工作，利用互补的方法来提高移动端CPU推理整体水平。通过这个过程，创建了两个新的发布的 MobileNet模型：MobileNetV3-Large 和 MobileNetV3-Small，分别针对高资源和低资源用例。然后将这些模型应用于目标检测和语义分割。针对语义分割（或任何密集像素预测）任务，提出了一种新的高效分割解码器 Lite reduce Atrous Spatial Pyramid Pooling（LR-ASPP）。实现了移动端分类，
订阅专栏 解锁全文
扫一扫
1055
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
