一种轻量卷积神经网络模型-MobileConv

一种轻量卷积神经网络模型—MobileConv，基于Transformer编码器的结构，开发了一种轻量的综合卷积块CCA模块。以综合卷积块为核心算子，再结合反向残差块IRB，设计类似Transformer编码器的基本块模块MobileConv block。根据MobileConv block构建了可以广泛用于多种计算机视觉任务的MobileConv模型。本发明既保留了卷积神经网络的大量优点，却有着非常高的识别精度。通过在ImageNet、MS COCO、ADE20K等公开数据集的大量实验，验证了MobileConv模型的有效性。例如在ImageNet数据集上，仅使用一块或两块GPU(24G内存)训练的MobileConv‑S/XS/XXS在ImageNet上分别可以取得78.6％、75.7％和72.2％的top‑1精度；但它们的参数和模型复杂度开销仅为5.6M/1.4GFLOPs、2.3M/0.5GFLOPs和1.2M/0.3GFLOPs，大大超过了同级当前最优秀的模型，如SwiftFormer、ConvMLP、EMO、MobileViG和EfficientFormer，使其成为主流模型中的优秀选择。