绿色线条为优化后的模型，map50提升2.31个点！map50
文章目录
- 移植
- 创建ultralytics\cfg\models\v13\yolov13-GSConv.yaml
- 修改ultralytics\nn\tasks.py
- 修改ultralytics/nn/modules/__init__.py
- 修改ultralytics\nn\modules\block.py
- GSConv卷积架构深度原理解析
- 引言
- 设计背景与动机
- 核心架构解析
- 1. 两阶段卷积设计
- 2. 特征复制与增强机制
- 3. 通道混洗机制
- 4. 激活函数与正则化
- 计算复杂度分析
- 传统卷积 vs GSConv
- 特征学习机制
- 1. 多尺度特征融合
- 2. 特征层次性
- 3. 信息保持机制
- 优势与特点
- 1. 计算效率
- 2. 特征表达能力
- 3. 架构灵活性
- 应用场景与实践
- 1. 移动端部署
- 2. 边缘计算
- 3. 实时视觉任务
- 发展前景与改进方向
移植
创建ultralytics\cfg\models\v13\yolov13-GSConv.yaml
nc:80# number ofclassesscales:# model compoundscalingconstants,i.e.'model=yolov13n.yaml' will call yolov13.yaml with scale'n'
