BriefGPT - AI 论文速递
·
FA-YOLO：基于FMDS和AGMF模块的高效特征选择YOLO改进算法研究
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本研究提出了GD机制，利用卷积和自注意操作实现Gold-YOLO模型。该模型在多尺度特征融合和延迟准确性平衡方面表现出色，首次在YOLO系列中实现了MAE风格的预训练。取得了39.9％ AP和1030 FPS的成果。
🎯
关键要点
-
提出了一种先进的Gatherand-Distribute机制（GD机制）。
-
新模型Gold-YOLO提升了多尺度特征融合能力。
-
在延迟和准确性之间实现了理想的平衡。
-
首次在YOLO系列中实现了MAE风格的预训练。
-
Gold-YOLO-N在COCO val2017数据集上取得了39.9％ AP。
-
在T4 GPU上实现了1030 FPS，超过了YOLOv6-3.0-N模型。
➡️
