一、本文介绍
本文记录的是基于ShuffleNet V1的YOLOv11轻量化改进方法研究。ShuffleNet利用逐点分组卷积和通道混洗操作降低计算成本，克服了现有先进架构在极小网络中因 1×1 卷积计算成本高而效率低的问题。相比一些传统的网络架构，能更好地在有限计算资源下提升模型性能。本文配置了原论文中shufflenet_v1_x0_5、shufflenet_v1_x1_0、shufflenet_v1_x1_5和shufflenet_v1_x2_0四种模型，以满足不同的需求。
| 模型 | 参数量 | 计算量 | 推理速度 |
|---|---|---|---|
| YOLOv11m | 20.0M | 67.6GFLOPs | 3.5ms |
| Improved | 12.6M | 29.8GFLOPs | 3.0ms |
专栏目录：YOLOv11改进目录一览 | 涉及卷积层、轻量化、注意力、损失函数、Backbone、SPPF、Neck、检测头等全方位改进