尧图网站建设 
本文基于YOLOv13 官方仓库（iMoonLab/yolov13，ultralytics 8.3.63 fork）实测整理，Windows/CPU 全程可跑。EMO（Wang et al., AAAI 2024《EMO: Rethinking Mobile Block for Efficient Attention Models》，官方源码 github.com/zhangzjn/EMO）为移动端重造了倒残差块：iRMB 把"窗口注意力"换成可选的 ECA+DW 轻量支路——BN → 1×1 → 3×3 DW → ECA（SE 通道交互）→ 1×1，双残差。本文把官方 iRMB 的 ECA 分支档（同权重逐位一致 max diff = 0）替换进 v13n 层 6，实测−107,264 参数、GFLOPs 6.54→6.10，1 轮冒烟训练正常完成。前言轻量化主干家族的新答卷：MobileOneBlock（35/94 篇）靠重参数化、GhostConv（87 篇）靠廉价冗余、StarNet（32 篇）靠星运算，EMO 的答案是给 Transformer 块做减法——把窗口自注意力换成"DW 卷积 + ECA 通道交互"就够打，注意力只留给最高分辨率的场景。iRMB（Inverted Residual Mobile Block）是 EMO 的最小积木，官方默认配置里浅层全部用 ECA 分支、深层才上窗口注意力，正是"卷积打天下、注意力点睛"的实用主义。替换点选在 v13n 的层 6/ YOLOv13改进策略【卷积层篇】| 2023 EMO 高效移动端算子，把 ViT 精度塞进手机延迟
本文基于YOLOv13 官方仓库（iMoonLab/yolov13，ultralytics 8.3.63 fork）实测整理，Windows/CPU 全程可跑。EMO（Wang et al., AAAI 2024《EMO: Rethinking Mobile Block for Efficient Attention Models》，官方源码 github.com/zhangzjn/EMO）为移动端重造了倒残差块：iRMB 把"窗口注意力"换成可选的 ECA+DW 轻量支路——BN → 1×1 → 3×3 DW → ECA（SE 通道交互）→ 1×1，双残差。本文把官方 iRMB 的 ECA 分支档（同权重逐位一致 max diff = 0）替换进 v13n 层 6，实测−107,264 参数、GFLOPs 6.54→6.10，1 轮冒烟训练正常完成。前言轻量化主干家族的新答卷：MobileOneBlock（35/94 篇）靠重参数化、GhostConv（87 篇）靠廉价冗余、StarNet（32 篇）靠星运算，EMO 的答案是给 Transformer 块做减法——把窗口自注意力换成"DW 卷积 + ECA 通道交互"就够打，注意力只留给最高分辨率的场景。iRMB（Inverted Residual Mobile Block）是 EMO 的最小积木，官方默认配置里浅层全部用 ECA 分支、深层才上窗口注意力，正是"卷积打天下、注意力点睛"的实用主义。替换点选在 v13n 的层 6/