YoloV8改进策略：Block篇|基于FasterNet的Block改进|附结构图|性能和精度得到大幅度提高（独家原创）

摘要

本文使用FasterNet的Block改进YoloV8，对FasterNet的Block做了适当的修改，使其能够适配YoloV8，可以替换YoloV8的Bottleneck模块。

论文翻译:《CVPR2023年最新的网络，基于部分卷积PConv，性能远超MobileNet，MobileVit

为了设计快速神经网络，许多工作都专注于减少浮点运算(FLOPs)的数量。然而，我们观察到这样的flop减少并不一定会导致类似水平的延迟减少。这主要源于低效的低浮点运算每秒(FLOPS)。为了实现更快的网络，我们重新考察了流行的运算符，并证明了这样低的FLOPS主要是由于运算符频繁的内存访问，特别是深度卷积。因此，我们提出了一种新的部分卷积(PConv)，通过同时减少冗余计算和内存访问，更有效地提取空间特征。在PConv的基础上，我们进一步提出了fastternet，这是一种新的神经网络家族，它在各种设备上获得了比其他网络更高的运行速度，而不影响各种视觉任务的准确性。例如，在ImageNet- 1k上，我们的小型FasterNet-T0分别比GPU、CPU和ARM处理器上的MobileViT-XXS快3.1×、3.1×和2.5×，同时精度提高了2.9%。我们的大型fastnet-l达到了令人印象深刻的83.5%的top-1精度，与Swin-B相当，同时在GPU上具有49%的更高推断吞吐量，以及在CPU上节省42%的计算时间。代码可从https://gi