RT-DETR优化：轻量化卷积设计 | DualConv双卷积魔改RT-DETR结构

本文主要是介绍RT-DETR优化：轻量化卷积设计 | DualConv双卷积魔改RT-DETR结构，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！

🚀🚀🚀本文改进：  DualConv双卷积魔改v8结构，达到轻量化的同时并能够实现小幅涨点

🚀🚀🚀RT-DETR改进创新专栏：http://t.csdnimg.cn/vuQTz

学姐带你学习YOLOv8，从入门到创新，轻轻松松搞定科研；

RT-DETR模型创新优化，涨点技巧分享，科研小助手；

 1.DualConv介绍

论文：https://arxiv.org/pdf/2202.07481.pdf

摘要：CNN 架构通常对内存和计算要求很高，这使得它们对于硬件资源有限的嵌入式系统不可行。 我们提出双卷积核（DualConv）来构建轻量级深度神经网络。 DualConv 结合了 3×3 和 1×1 卷积核来同时处理相同的输入特征图通道，并利用组卷积技术来有效地排列卷积滤波器。DualConv 可用于任何 CNN 模型，例如用于图像分类的 VGG-16 和 ResNet-50、用于对象检测的 Y

这篇关于RT-DETR优化：轻量化卷积设计 | DualConv双卷积魔改RT-DETR结构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！

---