🟢 Depthwise Separable Convolution (DSC) в YOLO ▶️ В обычной свёртке каждый фильтр смотрит все каналы сразу (RGB) и создаёт один выходной канал. Чем больше каналов и фильтров, тем больше операций. DSC разделяет одну свёртку на два этапа: 1️⃣ Depthwise (по каналам отдельно) Каждый канал входного изображения сворачивается своим маленьким фильтром. Каналы пока не смешиваются. 2️⃣ Pointwise (1×1 conv) После этого каналы объединяются, чтобы получить нужное количество выходных каналов для предсказания классов и координат объектов. ▶️ Использование DSC в YOLO позволяет без сильной потери точности увеличить скорость инференса. На изображении пример замены обычных свёрток (Conv) и C3k2 блоков на их DSC имплементации. Также приведены значения метрик для кастомной модели, обученной на 50 эпохах и скорость инференса на Lichee (прирост почти на 30%). При этом далеко не на всех платформах использование DSC ускоряет инференс, например на i7-12700H разницы в скорости нет (PyTorch без OpenVINO). ▶️ Подробнее | Github