YOLO-Master：リアルタイム物体検出のための適応型計算

この論文は、シーンの複雑さに応じて計算リソースを動的に割り当てることで、リアルタイム物体検出を改善する新しいYOLOライクフレームワーク、YOLO-Masterを紹介しています。 Efficient Sparse Mixture-of-Experts (ES-MoE)ブロックと動的ルーティングネットワークの使用により、特に困難なシーンでのより効率的な処理が可能になり、リアルタイムのパフォーマンスを維持します。結果は、既存のYOLOベースのモデルと比較して、精度と速度が向上していることを示しています。

• •リアルタイム物体検出のための新しいYOLOライクフレームワーク、YOLO-Masterを提案。
• •適応型計算のためにEfficient Sparse Mixture-of-Experts (ES-MoE)ブロックを採用。
• •特に困難なシーンで、精度と速度が向上。
• •MS COCOなどのベンチマークで、既存のYOLOベースのモデルを上回る。