本文独家改进:双卷积由组卷积和异构卷积组成，执行3x3 和 1x1 卷积运算Q代替其他卷积核仅执行 1x1 卷积。
DualIConv 显着降低了深度神经网络的计算成本和参数数量，同时在某些情况下令人惊讶地实现了比原始模型略高的精度。 我们使用 DualConv 将轻量级 MobileNetV2 的参数数量进一步减少了 54%

目录

1)替换原始的Conv

2，YOLOv10介绍

1.1 C2fUIB介绍

1.2 PSA介绍

1.3 SCDown

2.DualConv原理

2.1.深度可分离卷积(Depthwise Separable Convolution)

2.3.异构卷积(Heterogeneous Convolution)

2.4 双卷积(Dual Convolution

3.如何将Dualconv将入到YOLOv10

3.1 新建ultralytics/nn/Conv/Dualconv.py

3.2 注册ultralytics/nn/tasks.py

3.3 yolov10n-Dualconv.yaml

---

1)替换原始的Conv

2，YOLOv10介绍

论文:https://arxiv.org/pdf/2405.14458
代码:GitHub -THU-MIG/yolov10:YOLOv10: Real-Time End-to-End Object Detection
摘要:在过去的几年里，由于其在计算成本和检测性能之间的有效平衡，YOLOS已经成为实时目标检测领域的主导范例。研究人员已经探索了YOLOS的架构设计、优化目标、数据增强策略等，并取得了显著进展。然而，对用于后处理的非最大抑制 (NMS)的依赖妨碍了YOLOS的端到端部署，并目影响了推理延识。此外，YOLOS中各部件的设计缺乏全面和