RT-DETR算法优化改进：Backbone改进 | EMO，结合 CNN 和 Transformer 的现代倒残差移动模块设计 | ICCV2023

  💡💡💡本文独家改进：EMO助力RT-DETR ，替换backbone，面向移动端的轻量化网络模型——EMO：反向残差移动块（iRMB），通过堆叠不同层级的 iRMB。

推荐指数：五星

RT-DETR魔术师专栏介绍：

https://blog.csdn.net/m0_63774211/category_12497375.html

✨✨✨魔改创新RT-DETR

🚀🚀🚀引入前沿顶会创新，助力RT-DETR

🍉🍉🍉基于ultralytics优化，与YOLO完美结合

 1.EMO

论文： https://arxiv.org/pdf/2301.01146.pdf

 

 2023 腾讯优图/浙大/北大提出：重新思考高效神经模型的移动模块

 

   重新思考了 MobileNetv2 中高效的倒残差模块 Inverted Residual Block 和 ViT 中的有效 Transformer 的本质统一，归纳抽象了 MetaMobile Block 的一般概念。受这种现象的启发，作者设计了一种面向移动端应用的简单而高效的现代