尧图网页设计 
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。Neck 是检测器里卷积最密集、但判别要求又相对宽松的地方——Slim-Neck 论文（Li et al., 2022，官方源码 github.com/alanli1997/slim-neck-by-gsconv）据此提出用 GSConv 替换 Neck 的标准卷积：标准卷积的感受野能力 + 深度可分离的轻量，靠 Channel Shuffle 把两者缝在一起。本文替换 v13n Neck 的两处下采样卷积，实测参数减少 89,760、GFLOPs 降到 6.35。前言Neck 篇的第二篇继续"替换式"改进，这次的对象是 Neck 里的下采样卷积。GSConv 出自《Slim-neck by GSConv: a better design of lightweight detector》（2022），它的出发点：DWSConv（深度可分离）轻但"信息混不进通道"，标准卷积重但表达好——GSConv 用GConv（分组卷积）混通道 + DWConv 补空间 + Channel Shuffle 打散，两全其美。替换点选在 v13n Neck 的层 24 与层 28（head 的两处 stride-2 下采样卷积）。层数不变，无顺移。专栏目录： YOLOv13改进策略【Neck篇】| GSConv 轻量卷积，Slim-Neck 减参数还不掉点
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。Neck 是检测器里卷积最密集、但判别要求又相对宽松的地方——Slim-Neck 论文（Li et al., 2022，官方源码 github.com/alanli1997/slim-neck-by-gsconv）据此提出用 GSConv 替换 Neck 的标准卷积：标准卷积的感受野能力 + 深度可分离的轻量，靠 Channel Shuffle 把两者缝在一起。本文替换 v13n Neck 的两处下采样卷积，实测参数减少 89,760、GFLOPs 降到 6.35。前言Neck 篇的第二篇继续"替换式"改进，这次的对象是 Neck 里的下采样卷积。GSConv 出自《Slim-neck by GSConv: a better design of lightweight detector》（2022），它的出发点：DWSConv（深度可分离）轻但"信息混不进通道"，标准卷积重但表达好——GSConv 用GConv（分组卷积）混通道 + DWConv 补空间 + Channel Shuffle 打散，两全其美。替换点选在 v13n Neck 的层 24 与层 28（head 的两处 stride-2 下采样卷积）。层数不变，无顺移。专栏目录：