RT-DETR优化策略：轻量级Backbone改进 | 高效模型 (Efficient MOdel, EMO),现代倒残差移动模块设计|ICCV2023
🚀🚀🚀本文改进：面向移动端的轻量化网络模型——EMO，它能够以相对较低的参数和 FLOPs 超越了基于 CNN/Transformer 的 SOTA 模型，支持四个版本EMO_1M, EMO_2M, EMO_5M, EMO_6M，参数量如下，相对于自带的rtdetr-l、rtdetr-x有很大提升
| layers | parameters | gradients | |
| EMO_1M | 697 | 9921628 | 9921628 |
| EMO_2M | 764 | 11025800 | 11025800 |
| EMO_5M | 764 | 13606652 | 13606652 |
| EMO_6M | 764 | 14642492 | 14642492 |
| rtdetr-l | 673 | 32808387 | 32808387 |
| rtdetr-x | 867 | 67305763 | 67305763 |
🚀🚀🚀RT-DETR改进创新专栏：http://t.csdnimg.cn/vuQTz