MambaYOLO：基于状态空间模型的目标检测简易基线方法

文章预览

代码： https://github.com/dusongjie/TSD-YOLO-Small-Traffic-Sign-Detection-Based-on-Improved-YOLO-v8 PART/ 1       概述    受深度学习技术飞速发展的推动， YOLO 系列为实时目标检测器树立了新的标杆。此外，基于 Transformer 的架构已成为该领域最强大的解决方案，极大地拓展了模型的感受野，并实现了显著的性能提升。然而，这种提升是有代价的，自注意力机制的二次复杂度增加了模型的计算负担。为解决这一问题，我们提出了一种简单而有效的基线方法，名为 MambaYOLO 。 我们的贡献如下： 1) 我们提出在 ODMamba 主干网络中引入具有线性复杂度的状态空间模型（ SSM ），以解决自注意力的二次复杂度问题。与其他基于 Transformer 和基于 SSM 的方法不同， ODMamba 无需预训练，易于训练。 2) 针对实时性要求，我们设计了 ODMamba 的宏观架构，确定了最优的阶段比例和缩放尺寸。 3 ………………………………