Tag · 3 篇

实时目标检测

YOLO-ULM: Ultra-Lightweight Models for Real-Time Object Detection

提供了一套可复用的高效检测器设计范式：并行下采样与高效特征聚合模块可在不损失信息的前提下压缩骨干网络，配合改进的完整 IoU 损失，可直接迁移到其他实时检测或轻量骨干网络设计中。

YOLO-Master: MOE-Accelerated with Specialized Transformers for Enhanced Real-time Detection

将稀疏混合专家（MoE）与动态路由引入YOLO框架，实现按场景复杂度自适应分配计算资源，为实时目标检测提供可复用的高效计算范式。

AKCMamba-YOLO: Selective State Space Models For Real-Time Object Detection

将线性复杂度的选择性状态空间模型（SSM）引入YOLO架构，为实时目标检测提供替代注意力机制的全局建模方案，可复用于需要长程依赖但计算受限的检测场景。