RepVGG-GELAN | 融合 VGG、ShuffleNet 与 YOLO 图像检测的准确性及效率再上一层！

点击下方卡片，关注「集智书童」公众号点击加入👉「集智书童」交流群基于YOLO的目标检测算法在速度和准确性之间取得了显著的平衡。然而，它们在脑肿瘤检测中的应用仍然未被充分探索。本研究提出了RepVGG-GELAN，这是一种新型的YOLO架构，通过集成RepVGG，一种重新参数化的卷积方法，特别关注于医学图像中的脑肿瘤检测。RepVGG-GELAN利用RepVGG架构来提高检测脑肿瘤的速度和准确性。将RepVGG集成到YOLO框架中旨在实现计算效率和检测性能之间的平衡。本研究还包括了一个基于空间金字塔池化的通用高效层聚合网络（GELAN）架构，进一步增强了RepVGG的能力。在脑肿瘤数据集上进行的实验评估表明，RepVGG-GELAN在精确度和速度上都超过了现有的RCS-YOLO。具体来说，RepVGG-GELAN在240.7 GFLOPs的运算速度下，比最新的现有方法精确度提高了4.91%，AP50提高了2.54%。所提 ………………………………