YOLOv10模型改进-卷积层改进-第13篇：YOLOv10改进策略【卷积层】| GhostNet幽灵卷积

一、本文介绍

本文记录的是利用GhostNet幽灵卷积模块改进YOLOv10的特征提取部分。GhostNet通过廉价操作生成更多特征图，大幅减少参数和计算量。

二、GhostNet模块介绍

2.1 设计出发点

传统卷积生成的特征图中存在大量冗余，GhostNet通过先进行普通卷积生成少量特征图，再通过廉价操作（如深度卷积）生成更多"幽灵"特征图。

2.2 模块结构

GhostConv包含两个步骤：

1. 普通卷积：生成少量特征图
2. 深度卷积：生成幽灵特征图

2.3 模块优势

• 参数减少：减少约50%的参数
• 计算量减少：减少约50%的FLOPs
• 精度保持：保持与普通卷积相当的精度

三、GhostNet的实现代码

importtorchimporttorc