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有所提升。首次在YOLO系列中实现了MAE风格的预训练，使得模型能够从无监督预训练中受益。在COCO val2017数据集上，Gold-YOLO-N取得了39.9% AP和1030 FPS，超过了YOLOv6-3.0-N的相似FPS+2.4%。

Gold-YOLO是一种先进的GD机制，通过卷积和自注意操作实现。新模型在跨所有模型尺度上提升了多尺度特征融合能力，并在延迟和准确性之间实现了理想的平衡。Gold-YOLO-N在COCO val2017数据集上取得了出色的39.9％AP和在T4 GPU上的1030 FPS。