paper`importtorchimporttorch.nn.functionalasFimporttorch.nnasnnclassGroupBatchnorm2d(nn.Module):definit(self,c_num:int,group_num:int=16,eps:float=1e-10):super(GroupBatchnorm2d,self).init()assertc_num>=group_numself.grou

一、本文介绍本文记录的是利用SCConv优化YOLOv9的目标检测网络模型。深度神经网络中存在大量冗余，不仅在密集模型参数中，而且在特征图的空间和通道维度中。SCConv模块通过联合减少卷积层中空间和通道的冗余，有效地限制了特征冗余，本文利用SCConv模块改进YOLOv9，提高了模型的性能

秋招面试专栏推荐 ：深度学习算法工程师面试问题总结【百面算法工程师】——点击即可跳转

本文内容：添加ScConv目录论文简介1.步骤一2.步骤二3.步骤三4.步骤四论文简介卷积神经网络(cnn)在各种计算机视觉任务中取得了显著的性能，但这是以巨大的计算资源为代价的，部分原因是卷积层提取冗余特征。最近的作品要么压缩训练有素的大型模型，要么探索设计良好的轻量级