HZAI-ZJNU/Mamba-YOLO

何を解決するか

伝統的なアーキテクチャの代わりに状態空間モデル（SSMs）を活用する、オブジェクト検出のシンプルなベースラインを提供します。MSCOCO2017などのデータセットで、効率性を維持しつつ競争力のある検出精度を実現することを目指しています。

動作方法

Mamba YOLOは、VMambaから抽出された選択的スキャン機構をYOLOスタイルのオブジェクト検出フレームワークに統合しています。Ultralyticsコードベースに基づいて構築されており、パラメータ数と計算コスト（FLOPs）が異なる3つのモデルスケール（Tiny（T）、Base（B）、Large（L））を提供しています。

対象ユーザー

標準的な畳み込みまたはTransformerベースのバックボーンではなく、状態空間モデルを活用する効率的なオブジェクト検出モデルを求めるコンピュータビジョン研究者および開発者。

特徴

• 状態空間モデルの統合: 特徴抽出に選択的スキャンアプローチを使用。
• 複数のモデルスケール: パフォーマンスとリソース制約のバランスを取るために、事前学習済みバージョン（T、B、L）を提供。
• umaベースの実装: PyTorchで開発され、Ultralyticsエコシステムと互換性があります。