海面目标检测图像中的小目标数量居多,而基于深度学习的目标检测方法通常针对通用目标数据集设计检测模型,对图像中的小目标检测效果并不理想。 使用一般目标检测模型检测海面目标图像的特征时,通常会出现小目标漏检情况,而一些特定的小目标检测模型对海面目标的检测效果还有待验证。 为此,在标准的SSD( single shot multiBox detector)目标检测模型基础上,结合 Xception 深度可分卷积,提出一种轻量 SSD 模型用于海面目标检测。 方法 在标准的 SSD 目标检测模型基础上,使用基于 Xception 网络的深度可分卷积特征提取网络网络中的 exit flow 层和 Conv1 层引入轻量级注意力机制模块来提高检测精度,并与在其他层引入轻量级注意力机制模块的模型进行检测效果对比;使用注意力机制改进的轻量 SSD 目标检测模型和其他几种模型分别对海面目标检测数据集中的小目标和正常目标进行测试。

无后端、无数据库轻量化部署简单 使用JSON作为题库存储，层次清晰，结构简单易懂 有配套的word模板和模板到JSON转换工具 四种刷题模式：顺序刷题、乱序刷题、错题模式、背题模式

机器人轻量化材料应用的研究进展.pdf，这是一份不错的文件

新能源车用蜂窝芯复合板仿真系统是基于试验数据和CAE有限元分析数据开发而成，软件内置了常用蜂窝芯复合板配置的性能参数，软件可实现针对不同轻量化车型（新能源）定制配置的蜂窝芯复合板，分析计算给出厢板的变形参数和应力参数，快速甄选最优的配置方案，以实现复合板的轻量化，进而实现新能源汽车的整体轻量化，根据设计者需求给出各种配置的力学性能参数，是蜂窝芯复合板制造企业和新能源车设计人员非常使用的一款开发软件；本软件可根据需要进行迭代更新，以满足使用者需求，同时可根据使用者需求进行新能源车厢体进行有限元分析计算，实现产品稳定可靠且最大程度的轻量化，从而增加新能源车的市场竞争力。

入门理解级，了解shufflenet的核心内容

MobileNet网络是由google团队在2017年提出的，专注于移动端或者嵌入式设备中的轻量级CNN网络。相比传统卷积神经网络，在准确率小幅降低的前提下大大减少模型参数与运算量。(相比VGG16准确率减少了0.9%，但模型参数只有VGG的1/32) MobileNet v2网络是由google团队在cvpr2018年提出的，相比MobileNet v1网络，准确率更高，模型更小。 MobileNet v3发表于eccv2019年，该v3版本结合了v1的深度可分离卷积、v2的Inverted Residuals和Linear Bottleneck、新添加了SE模块，利用NAS（神经结构搜索）来搜索网络的配置和参数。

可方便的浏览 Autodesk Forge 轻量化模型，无需架设 Web Server，支持 svf, f2d, glTF, glb 等格式 功能描述: 快捷预览轻量化模型，省去部署模型到 Web Server 的麻烦。 目前支持以下格式: Autodesk Forge SVF (三维) or F2D (二维) 3D Tiles (for Cesium) glTF/glb 更多格式持续增加中... 使用方法： 双击 BimAngle Browser 快捷方式运行, 在弹出的对话框中选中要预览的轻量化模型文件即可； 安装环境: Windows 7/8/10/Server 2012/Server 2016

轻量化模型之ShuffleNet v2 onnx 文件 用来学习模型架构

轻量化神经网络之mobilenet v2 v3 ONNX 文件 用来学习网络结构

1.3.3 高端化：国内乘用车高端化趋势明显，可减轻轻量化带来的价格焦虑  对于高性能和安全性的追求使得高端车型在汽车轻量化方面不惜代价，比如豪华品牌捷豹 已实现全铝车身。因轻量化材料价格普遍高于普通钢材，在中高端车型中应用尤为普遍。自主品 牌迈入中高端市场有望促使采取更加激进的轻量化策略。汽车整备质量每减少 100kg，0-100 km/h 加速性能提升 8%-10%；制动距离缩短 2-7m；采用高强度材料，在减轻车身重量的同时，还可 提高车身强度，提升车辆的安全性，降低车辆重心，提升车辆稳定性和操控性。 2017 年我国乘用车产量约 2472 万辆，按照每年 4%的增长率估算，