HZAI-ZJNU/Mamba-YOLO

해결하는 문제

전통적인 아키텍처 대신 상태 공간 모델(SSMs)을 활용하는 간단한 객체 탐지 기준선을 제공합니다. MSCOCO2017과 같은 데이터셋에서 효율성을 유지하면서도 경쟁력 있는 탐지 정확도를 달성하는 것을 목표로 합니다.

작동 방식

Mamba YOLO는 VMamba에서 가져온 선택적 스캔 메커니즘을 YOLO 스타일의 객체 탐지 프레임워크에 통합합니다. Ultralytics 코드베이스를 기반으로 하며, 파라미터 수와 계산 비용(FLOPs)이 다른 세 가지 모델 규모(Tiny(T), Base(B), Large(L))를 제공합니다.

대상 사용자

표준 합성곱 또는 트랜스포머 기반 백본 대신 상태 공간 모델을 활용하는 효율적인 객체 탐지 모델을 찾는 컴퓨터 비전 연구자 및 개발자입니다.

주요 특징

• 상태 공간 모델 통합: 특징 추출에 선택적 스캔 방식을 사용합니다.
• 다양한 모델 규모: 성능과 자원 제약 간의 균형을 위해 사전 학습된 버전(T, B, L)을 제공합니다.
• uma 기반 구현: PyTorch로 개발되었으며 Ultralytics 생태계와 호환됩니다.