YoloV9改进策略：Block改进|复兴DenseNets，RDNet成为新的涨点神器|即插即用|全网首发

AI浩

发布于 2024-10-22 12:41:40

2740

文章被收录于专栏：AI智韵AI智韵

摘要

论文提出的模型主要基于对传统DenseNet架构的改进和复兴，通过一系列创新设计，旨在提升模型性能并优化其计算效率，提出了RDNet模型。该模型的主要特点和改进点：

1. 强调并优化连接操作（Concatenation）

论文首先强调了DenseNet中连接操作（Concatenation）的重要性，并通过广泛的实验验证了连接操作在性能上能够超越传统的加法快捷连接（Additive Shortcut）。这一发现促使研究者们重新审视并优化DenseNet的连接机制。

2. 扩大中间通道维度

为了进一步提升模型性能，论文提出通过调整扩展比（Expansion Ratio, ER）来增大中间张量（Tensor）的尺寸，使其超过输入维度。传统方法中，ER主要用于调整输入和输出维度，但在这篇论文中，ER被重新设计为与输入维度成比例，即ER与增长率（Growth Rate, GR）解耦。这种设计使得在非线性处理之前能够更充分地丰富特征，同时为了管理由此产生的计算需求，将GR减半（例如从120减少到60），从而在不影响准确性的前提下控制计算量。

3. 记忆高效的DenseNet设计

为了优化DenseNet的架构设计，论文采用了更加内存高效的设计策略，通过丢弃无效组件并增强架构和块设计，同时保持DenseNet的核心连接机制不变。这种设计使得模型在保持高性能的同时，也减少了内存占用，提升了处理大规模数据集的能力。

本文使用RDNet的Block改进YoloV9，改进后的网络涨点明显。即插即用，欢迎大家使用！

完整链接：

https://jingjing.blog.csdn.net/article/details/140699213?spm=1001.2014.3001.5502

测试结果

yolov9-c summary: 582 layers, 30543392 parameters, 0 gradients, 138.3 GFLOPs
                 Class     Images  Instances          P          R      mAP50   mAP50-95: 100%|██████████| 29/29 00:06
                   all        230       1412      0.949       0.98       0.99      0.734
                   c17        230        131      0.985      0.988      0.995      0.818
                    c5        230         68      0.933          1      0.995      0.819
            helicopter        230         43      0.958      0.953      0.985      0.651
                  c130        230         85          1      0.982      0.995      0.677
                   f16        230         57      0.994      0.965      0.969      0.667
                    b2        230          2      0.846          1      0.995      0.731
                 other        230         86      0.987      0.889       0.96      0.531
                   b52        230         70      0.982      0.986      0.986      0.817
                  kc10        230         62      0.997      0.984      0.988      0.843
               command        230         40      0.984          1      0.995      0.796
                   f15        230        123      0.984      0.992      0.995      0.668
                 kc135        230         91      0.988      0.989       0.99      0.697
                   a10        230         27          1      0.867      0.984      0.521
                    b1        230         20      0.954          1      0.995      0.705
                   aew        230         25      0.946          1      0.973      0.745
                   f22        230         17      0.886          1      0.992      0.751
                    p3        230        105      0.993      0.981      0.995      0.794
                    p8        230          1      0.717          1      0.995      0.697
                   f35        230         32          1      0.906       0.99      0.532
                   f18        230        125      0.989      0.992      0.991      0.825
                   v22        230         41      0.984          1      0.995      0.688
                 su-27        230         31      0.989          1      0.995      0.842
                 il-38        230         27      0.922          1      0.995      0.799
                tu-134        230          1      0.774          1      0.995      0.895
                 su-33        230          2      0.977          1      0.995       0.75
                 an-70        230          2      0.861          1      0.995       0.75
                 tu-22        230         98      0.983          1      0.995      0.812

本文参与腾讯云自媒体同步曝光计划，分享自微信公众号。

原始发表：2024-07-30，如有侵权请联系 cloudcommunity@tencent.com 删除

模型