基于低秩自适应的YOLO模型参数高效微调方法

本发明公开了一种基于低秩自适应的YOLO模型参数高效微调方法。本发明针对传统全参数微调方法计算成本高、存储压力大及现有参数高效微调方法在视觉任务中适配不足的问题，通过在YOLO模型的卷积层中引入低秩自适应层，将权重更新量分解为低秩矩阵乘积，并结合轻量级适配器优化特征融合过程。具体实施中，对YOLO模型的核心模块进行定制化改进，包括多尺度特征融合优化、注意力权重动态调整等，同时在训练时冻结预训练参数，仅更新低秩矩阵。本发明在仅微调少量参数的条件下，有效平衡了参数效率与检测性能，适用于边缘设备部署及实时检测场景。