---

---

前言

輕量化網絡設計是一種針對移動設備等資源受限環境的深度學習模型設計方法。下面是一些常見的輕量化網絡設計方法：

1. 網絡剪枝：移除神經網絡中冗余的連接和參數，以達到模型壓縮和加速的目的。
2. 分組卷積：將卷積操作分解為若干個較小的卷積操作，并將它們分別作用于輸入的不同通道，從而減少計算量。
3. 深度可分離卷積：將標準卷積分解成深度卷積和逐點卷積兩個步驟，使得在大部分情況下可以大幅減少計算量。
4. 跨層連接：通過跨越多個層級的連接方式來增加神經網絡的深度和復雜性，同時減少了需要訓練的參數數量。
5. 模塊化設計：將神經網絡分解為多個可重復使用的模塊，以提高模型的可調節性和適應性。

YOLOv8采用VanillaNet輕量化主干網絡作為Backbone的基礎結構可移步《YOLOv8改進實戰 | 更換主干網絡Backbone（五）之輕量化2023最新網絡VanillaNet，深度學習