Octave-YOLO：基于八度卷积的频率横跨检测网络
原文中文，约400字，阅读约需1分钟。发表于：。Octave-YOLO 是一个实时目标检测模型，通过在嵌入式系统的限制下处理高分辨率图像，它采用交叉频率部分网络（CFPNet）将输入特征图分成低分辨率和高分辨率部分，从而实现了复杂操作和注意力模块的低计算成本，同时在保留细节的同时显著减少了计算需求。
本文介绍了一种针对移动设备的增强轻量级 YOLOv5 技术，用于识别与输电线相关的物体。该方法通过引入 C3Ghost 模块和 FasterNet 模块改进了 YOLOv5 的性能，并采用 wIoU v3 LOSS 损失函数解决了数据集中简单和挑战样本的不平衡问题。实验证明，该模型在检测准确性上提高了 1%，降低了 13% 的 FLOPs，模型参数减少了 26%。消融实验显示，Fastnet 模块和 CSghost 模块提高了精度，但导致了 [email protected] 度量的下降，而 wIoUv3 损失函数的改进减轻了该度量的下降。
