TL-YOLO：輕量極速的目標檢測模型

摘要： 現(xiàn)存的目標檢測算法通常存在體積較大、網(wǎng)絡(luò)復雜等問題,致使在實際應(yīng)用場景中使用成本較大,部署困難。針對這一問題,對YOLOv5s進行改進,使其可以適用于多樣化部署的應(yīng)用場景。優(yōu)化了YOLOv5s的模型結(jié)構(gòu),引入了深度卷積、Compact-ShuffleNet和CrossNet模塊等以輕量化模型和穩(wěn)定檢測精度。經(jīng)過改進后的算法模型,模型大小為1。04M,參數(shù)量為0.20M,計算量為... （共5頁）