YOLO-Master：用于实时目标检测的自适应计算

本文介绍了YOLO-Master，一个新颖的类似YOLO的框架，通过根据场景复杂性动态分配计算资源来改进实时目标检测。使用高效稀疏专家混合（ES-MoE）块和动态路由网络，可以更有效地处理，尤其是在具有挑战性的场景中，同时保持实时性能。结果表明，与现有的基于YOLO的模型相比，准确性和速度有所提高。

• •提出了YOLO-Master，一个用于实时目标检测的新颖的类似YOLO的框架。
• •采用高效稀疏专家混合（ES-MoE）块进行自适应计算。
• •提高了准确性和速度，尤其是在具有挑战性的场景中。
• •在MS COCO等基准测试中，优于现有的基于YOLO的模型。