💡💡💡本文解决什么问题：面向移动端的轻量化网络模型EMO，它能够以相对较低的参数和 FLOPs 超越了基于 CNN/Transformer 的 SOTA 模型，替换YOLOv8 backbone

Yolov8-Pose关键点检测专栏介绍：https://blog.csdn.net/m0_63774211/category_12398833.html

✨✨✨手把手教你从数据标记到生成适合Yolov8-pose的yolo数据集；

🚀🚀🚀模型性能提升、pose模式部署能力；

🍉🍉🍉应用范围：工业工件定位、人脸、摔倒检测等支持各个关键点检测；

 1.YOLOv8-pose引入EMO性能

layers

parameters