💡💡💡本文独家改进：EMO助力RT-DETR ，替换backbone，面向移动端的轻量化网络模型——EMO：反向残差移动块（iRMB），通过堆叠不同层级的 iRMB。
推荐指数：五星
RT-DETR魔术师专栏介绍：
https://blog.csdn.net/m0_63774211/category_12497375.html
✨✨✨魔改创新RT-DETR
🚀🚀🚀引入前沿顶会创新，助力RT-DETR
🍉🍉🍉基于ultralytics优化，与YOLO完美结合
1.EMO![RT-DETR算法优化改进：Backbone改进 | EMO，结合 CNN 和 Transformer 的现代倒残差移动模块设计 | ICCV2023-LMLPHP]( "RT-DETR算法优化改进：Backbone改进 | EMO，结合 CNN 和 Transformer 的现代倒残差移动模块设计 | ICCV2023-LMLPHP")
论文： https://arxiv.org/pdf/2301.01146.pdf
2023 腾讯优图/浙大/北大提出：重新思考高效神经模型的移动模块
重新思考了 MobileNetv2 中高效的倒残差模块 Inverted Residual Block 和 ViT 中的有效 Transformer 的本质统一，归纳抽象了 MetaMobile Block 的一般概念。受这种现象的启发，作者设计了一种面向移动端应用的简单而高效的现代