Gold-YOLO：通过收集-分发机制实现的高效目标检测器：华为提出GD机制与MAE预训练，在COCO上达到39.9% AP和1030 FPS
Gold-YOLO提出Gather-and-Distribute（GD）机制，结合卷积与自注意力操作，增强多尺度特征融合。首次在YOLO系列中引入MAE风格无监督预训练。Gold-YOLO-N在COCO val2017上达到39.9% AP，T4 GPU上1030 FPS，比YOLOv6-3.0-N高2.4% AP。代码已开源。
发展脉络
- 首次出现Gold-YOLO：通过收集-分发机制实现的高效目标检测器：华为提出GD机制与MAE预训练，在COCO上达到39.9% AP和1030 FPSarXiv cs.AI
- 当前判断Gold-YOLO在自动驾驶、安防监控、工业质检等实时检测场景具有直接应用价值。其高精度与高帧率特性可替代现有YOLO系列模型，降低部署成本。华为开源代码有利于推动产业落地。Agent Pulse · 分析
Gold-YOLO通过GD机制改进特征金字塔网络的信息融合问题，利用卷积和自注意力实现高效的多尺度特征聚合与分发。首次将MAE预训练应用于YOLO系列，提升模型泛化能力。在保持实时性的同时显著提升精度，为工业部署提供新选择。
Gold-YOLO的核心是Gather-and-Distribute（GD）机制，包含Gather阶段（多尺度特征聚合）和Distribute阶段（特征分发至各层级）。Gather使用卷积和自注意力混合操作，Distribute通过轻量级模块实现。模型采用MAE风格预训练，在ImageNet上无监督学习后微调。评估在COCO val2017上进行，Gold-YOLO-N达到39.9% AP，1030 FPS，Gold-YOLO-S/L等变体也优于同规模模型。边界在于仅验证了目标检测任务，未涉及实例分割等。
Gold-YOLO在自动驾驶、安防监控、工业质检等实时检测场景具有直接应用价值。其高精度与高帧率特性可替代现有YOLO系列模型，降低部署成本。华为开源代码有利于推动产业落地。
建议评估Gold-YOLO在现有检测系统中的替换成本，优先在需要高帧率（如视频流分析）和中等精度（如安防）的场景试点。可联系华为MindSpore团队获取优化部署方案。
后续可关注GD机制在其他视觉任务（如分割、姿态估计）的迁移效果，以及MAE预训练对YOLO系列更大模型的增益。需验证在边缘设备上的实际推理速度与精度。