本文主要是介绍YOLOv10涨点改进：原创自研 | GhostNet融合 | 从廉价的操作中生成更多的特征图，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
文章目录
- GhostNet理论基础
- 实验部分
- 改进方案
- 新增yolov10s-ghost.yaml文件
- 代码运行
GhostNet理论基础
Ghost Module是一种模型压缩的方法，即在保证网络精度的同时减少网络参数和计算量，从而提升计算速度（speed），降低延时（latency）。Ghost 模块可以代替现有卷积网络中的每一个卷积层。基于Ghost模块，论文作者堆叠Ghost模块构建了GhostNet。
模型提出的缘由：卷积输出的一组特征图在通道方向上，有部分通道内容相似。比如下图是对Resnet-50某层输出的可视化，每张图代表一个通道，图中三组颜色相连的图非常相似。论文将一组中的一张图称为本征图（intrinsic），其他和本征图相似的图称为本征图的魅影（ghost）。那么，既然ghost和Intrinsic非常相似，我们是否可以通过一种相对简单的、计算量较少的运算代替运算量大的卷积操作生成ghost图？ghost模块就是基于这种想法，提出用简单的线性运算生成ghost，但总共的通道数（intrinsic+ghost）以及生成特征图的大小和原来保持一致。
Ghost模块：生成ghost图的过程采用简单的线性运算
这篇关于YOLOv10涨点改进：原创自研 | GhostNet融合 | 从廉价的操作中生成更多的特征图的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
