YoloV9改进策略：下采样改进|集成GCViT的Downsampler模块实现性能显著提升|即插即用
摘要
随着深度学习在计算机视觉领域的广泛应用，目标检测任务成为了研究热点之一。YoloV9作为实时目标检测领域的领先模型，凭借其高效性与准确性赢得了广泛的关注。然而，为了进一步提升YoloV9的性能，特别是在特征提取与下采样过程中的信息保留能力，我们引入了来自GCViT（Global Context Vision Transformers）模型中的Downsampler模块。本文将详细阐述这一改进方法，并探讨其带来的显著优势。
Downsampler模块的引入
在YoloV9的原有架构中，下采样主要通过卷积层配合步长（stride）实现，这种方式虽然简单有效，但在特征提取过程中可能会损失部分重要信息。为了克服这一缺陷，我们借鉴了GCViT模型中的Downsampler模块，该模块通过融合MBConv（MobileNetV2中的Inverted Residual Block）与深度可分离卷积（Depthwise Separable Convolution）、Squeeze-and-Excitation（SE）块以及最大池化（Max Pooling）等技术，有效提升了特征提取与下采样的性能。