HZAI-ZJNU/Mamba-YOLO

解决的问题

提供一个简单的物体检测基线，利用状态空间模型（SSMs）替代传统架构，旨在保持效率的同时，在MSCOCO2017等数据集上实现具有竞争力的检测精度。

工作原理

Mamba YOLO 将来自 VMamba 的选择性扫描机制（selective-scan）集成到 YOLO 风格的物体检测框架中。它基于 Ultralytics 代码库构建，提供三种模型规模：Tiny（T）、Base（B）和 Large（L），其参数量和计算成本（FLOPs）各不相同。

适用人群

寻找利用状态空间模型而非标准卷积或 Transformer 基础模型的高效物体检测模型的计算机视觉研究人员和开发者。

亮点

• 状态空间模型集成：使用选择性扫描方法进行特征提取。
• 多种模型规模：提供预训练版本（T、B 和 L），以平衡性能与资源约束。
• uma 基础实现：使用 PyTorch 开发，兼容 Ultralytics 生态系统。