包括COCO數(shù)據(jù)集也能漲點(diǎn)，網(wǎng)絡(luò)模型改進(jìn)，配置都是原創(chuàng)首發(fā)更新的，直接寫論文，香爆了?。。?/p>

每個(gè)改進(jìn)點(diǎn)均支持·改進(jìn)YOLOv5及之前的模型、YOLOv7、YOLOv8、YOLOX、YOLOv6等主流模型·

二、專欄地址

本專欄為YOLO改進(jìn)指南進(jìn)階專欄` ，均為全網(wǎng)獨(dú)家首發(fā)內(nèi)容，文章質(zhì)量較高??????

https://blog.csdn.net/qq_38668236/category_12232483.html

三、文章詳細(xì)目錄

《芒果改進(jìn)YOLO高階指南》推薦

• ??????：YOLOv8改進(jìn)AFPN：改進(jìn)用于目標(biāo)檢測(cè)的漸近特征金字塔網(wǎng)絡(luò)AsymptoticFPN，加強(qiáng)非相鄰層的直接交互，YOLO系列高效漲點(diǎn)

• ??????：YOLOv5改進(jìn)AsymptoticFPN：改進(jìn)Asymptotic Feature Pyramid Network漸近特征金字塔網(wǎng)絡(luò)，加強(qiáng)非相鄰層的直接交互，YOLO系列高效漲點(diǎn)

• ??????：YOLOv7改進(jìn)AsymptoticFPN：用于目標(biāo)檢測(cè)的漸近特征金字塔網(wǎng)絡(luò)AFPN，加強(qiáng)非相鄰層的直接交互，YOLO系列高效漲點(diǎn)

• ??????：YOLOv8獨(dú)家原創(chuàng)改進(jìn)：獨(dú)家首發(fā)最新原創(chuàng)XIoU_NMS改進(jìn)點(diǎn)，改進(jìn)有效可以直接當(dāng)做自己的原創(chuàng)改進(jìn)點(diǎn)來寫，提升網(wǎng)絡(luò)模型性能、收斂速度和魯棒性

• ??????：YOLOv5、YOLOv7獨(dú)家原創(chuàng)改進(jìn)：獨(dú)家首發(fā)最新原創(chuàng)XIoU_NMS改進(jìn)點(diǎn)，改進(jìn)有效可以直接當(dāng)做自己的原創(chuàng)改進(jìn)點(diǎn)來寫，提升網(wǎng)絡(luò)模型性能、收斂速度和魯棒性

• ??????：YOLOv8改進(jìn)遮擋損失函數(shù)Repulsion Loss：全網(wǎng)獨(dú)家首發(fā)最新改進(jìn)｜ Repulsion 解決目標(biāo)遮擋場(chǎng)景下的目標(biāo)檢測(cè)

• ??????：YOLOv7原創(chuàng)改進(jìn)損失函數(shù)Repulsion：獨(dú)家首發(fā)最新改進(jìn)Repulsion Loss解決目標(biāo)遮擋場(chǎng)景下檢測(cè)

• ??????：YOLOv5原創(chuàng)改進(jìn)損失函數(shù) Repulsion：解決目標(biāo)遮擋場(chǎng)景下檢測(cè)，為解決密集人群檢測(cè)中遮擋設(shè)計(jì)的損失函數(shù)

• ??????：SCI期刊寫作必備（三）：一鍵生成YOLOv8等主流模型同款圖表｜繪制目標(biāo)檢測(cè)領(lǐng)域YOLO論文常見的性能對(duì)比折線圖

• ??????：YOLOv5、YOLOv7、tiny首發(fā)原創(chuàng)改進(jìn)多種《新穎輕量化非對(duì)稱多級(jí)壓縮LADH檢測(cè)頭》即插即用｜原創(chuàng)改進(jìn)輕量新穎ADH非對(duì)稱多級(jí)壓縮檢測(cè)頭

• ??????：YOLOv8首發(fā)原創(chuàng)改進(jìn)：即插即用｜新穎輕量化非對(duì)稱多級(jí)壓縮LADH檢測(cè)頭，原創(chuàng)改進(jìn)適配YOLOv8高效檢測(cè)頭，檢測(cè)頭新穎性改進(jìn)，YOLO檢測(cè)器性能高效漲點(diǎn)

• ??????：YOLOv8改進(jìn)FPN系列：結(jié)合新穎的GhostSlimFPN范式網(wǎng)絡(luò)結(jié)構(gòu)，進(jìn)一步提升性能

• ??????：YOLOv8 改進(jìn) GhostNet 主干系列：原創(chuàng)改進(jìn)高效 GhostNet 網(wǎng)絡(luò)，華為出品，打造全新檢測(cè)器

• ??????：YOLOv8 改進(jìn)最新論文CFNet：即插即用｜原創(chuàng)改進(jìn)結(jié)構(gòu)顯著提升檢測(cè)性能，小目標(biāo)檢測(cè)漲點(diǎn)必備（二）

• ??????：YOLOv5、YOLOv7改進(jìn)最新論文CFNet：即插即用｜原創(chuàng)改進(jìn)結(jié)構(gòu)顯著提升檢測(cè)性能，小目標(biāo)檢測(cè)漲點(diǎn)必備（一）

• ??????：YOLOv5、YOLOv7獨(dú)家原創(chuàng)改進(jìn)：獨(dú)家首發(fā)最新EfficiCLNMS改進(jìn)點(diǎn)，改進(jìn)有效可以直接當(dāng)做自己的原創(chuàng)改進(jìn)點(diǎn)來寫，新的增強(qiáng)預(yù)測(cè)幀

• ??????：YOLOv8 獨(dú)家原創(chuàng)改進(jìn)最新PWConv核心結(jié)構(gòu)｜來自CVPR2023，可以直接寫模型改進(jìn)，進(jìn)一步輕量化！測(cè)試數(shù)據(jù)集mAP有效漲點(diǎn)，進(jìn)一步降低參數(shù)量，追求更高的 FLOPS

• ??????：YOLOv8 獨(dú)家原創(chuàng)改進(jìn)：獨(dú)家首發(fā)最新原創(chuàng)EfficiCLNMS改進(jìn)點(diǎn)，改進(jìn)有效可以直接當(dāng)做自己的原創(chuàng)改進(jìn)點(diǎn)來寫，新的增強(qiáng)預(yù)測(cè)幀

• ??????：YOLOv8首發(fā)改進(jìn)｜獨(dú)創(chuàng)結(jié)構(gòu)FasterNeXt，超10個(gè)數(shù)據(jù)集上已漲點(diǎn)，可直接寫模型改進(jìn)，源于最新CVPR2023主干系列FasterNet

• ??????：YOLOv8 原創(chuàng)改進(jìn)最新結(jié)構(gòu)CBiF、BiFB：小目標(biāo)檢測(cè)漲點(diǎn)，原創(chuàng)即插即用

• ??????：YOLOv8改進(jìn)最新主干系列BiFormer：頂會(huì)CVPR2023即插即用，小目標(biāo)檢測(cè)漲點(diǎn)必備，首發(fā)原創(chuàng)改進(jìn)，基于動(dòng)態(tài)查詢感知的稀疏注意力機(jī)制、構(gòu)建高效金字塔網(wǎng)絡(luò)架構(gòu)，打造高精度檢測(cè)器

• ??????：芒果改進(jìn)YOLOv8系列：改進(jìn)特征融合網(wǎng)絡(luò) BiFPN 結(jié)構(gòu)，融合更多有效特征

• ??????：芒果YOLO改進(jìn)｜YOLOv8改進(jìn)代碼原創(chuàng)大全集，全方位角度對(duì)YOLOv8模型進(jìn)行改進(jìn)，推薦

• ??????：YOLOv8改進(jìn)檢測(cè)頭｜增加卷積CNN小目標(biāo)檢測(cè)頭、超多種Transformer小目標(biāo)檢測(cè)頭

• ??????：YOLOv8 改進(jìn)RepFPN結(jié)構(gòu)｜最新結(jié)合：2023年最新論文設(shè)計(jì)高效 RepFPN 結(jié)構(gòu)，具有硬件感知神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)高效 Repvgg 式 ConvNet 網(wǎng)絡(luò)結(jié)構(gòu)

• ??????：YOLOv7、YOLOv5改進(jìn)全新XIoU損失函數(shù)：獨(dú)家首發(fā)最新改進(jìn)｜YOLO改進(jìn)Trick，相比較CIoU改進(jìn)輕松漲點(diǎn)，提升網(wǎng)絡(luò)模型性能、收斂速度和魯棒性

• ??????：YOLOv5/v7/v8原創(chuàng)改進(jìn)最新結(jié)構(gòu)CBiF、BiFB：小目標(biāo)檢測(cè)漲點(diǎn)，原創(chuàng)即插即用

• ??????：YOLOv8改進(jìn)全新XIoU損失函數(shù)：首發(fā)最新改進(jìn)｜結(jié)合XIoU損失函數(shù)，相比較CIoU改進(jìn)輕松漲點(diǎn)，YOLO改進(jìn)Trick，提升網(wǎng)絡(luò)模型性能、收斂速度和魯棒性

• ??????：YOLOv8改進(jìn)之損失函數(shù)EfficiCLoss：首發(fā)最新改進(jìn)｜結(jié)合EfficiCLoss損失函數(shù)，小目標(biāo)強(qiáng)勢(shì)漲點(diǎn)，新的增強(qiáng)預(yù)測(cè)幀調(diào)整并加快幀回歸率，加快網(wǎng)絡(luò)模型收斂

• ??????：YOLOv5/v7/v8首發(fā)改進(jìn)最新論文InceptionNeXt：當(dāng) Inception 遇到 ConvNeXt 系列，即插即用，小目標(biāo)檢測(cè)漲點(diǎn)必備改進(jìn)

• ??????：YOLO系列將數(shù)據(jù)集圖片可視化：讓改進(jìn)模型的實(shí)驗(yàn)數(shù)據(jù)更豐富

• ??????：YOLOv5/v7/v8改進(jìn)最新主干系列BiFormer：頂會(huì)CVPR2023即插即用，小目標(biāo)檢測(cè)漲點(diǎn)必備，首發(fā)原創(chuàng)改進(jìn)，基于動(dòng)態(tài)查詢感知的稀疏注意力機(jī)制、構(gòu)建高效金字塔網(wǎng)絡(luò)架構(gòu)，打造高精度檢測(cè)器

• ??????：YOLOv7、YOLOv5、YOLOv8改進(jìn)多種檢測(cè)解耦頭系列｜即插即用：首發(fā)最新更新超多種高精度&輕量化解耦檢測(cè)頭（最新檢測(cè)頭改進(jìn)集合），內(nèi)含多種檢測(cè)頭/解耦頭改進(jìn)，高效漲點(diǎn)

• ??????：YOLOv5/v7/v8 改進(jìn)首發(fā)最新PWConv核心結(jié)構(gòu)｜來自最新CVPR2023頂會(huì)，進(jìn)一步輕量化！測(cè)試數(shù)據(jù)集mAP有效漲點(diǎn)，進(jìn)一步降低參數(shù)量，追求更高的 FLOPS

• ??????：全網(wǎng)獨(dú)家首發(fā)｜YOLOv7改進(jìn)方式提升(代碼二)，使得改進(jìn)難度下降，將網(wǎng)絡(luò)配置層數(shù)從104層極致壓縮到24層，更清晰更方便更快的改進(jìn)YOLOv7，完全對(duì)齊官方Y(jié)OLOv7網(wǎng)絡(luò)模型數(shù)據(jù)

• ??????：YOLO系列全網(wǎng)首發(fā)改進(jìn)最新：新穎特定任務(wù)檢測(cè)頭TSCODE｜(適用YOLOv5/v7)創(chuàng)新性Max，即插即用檢測(cè)頭，用于目標(biāo)檢測(cè)的特定任務(wù)上下文解耦頭機(jī)制，助力YOLOv7目標(biāo)檢測(cè)器高效漲點(diǎn)！

• ??????：YOLOv5、YOLOv7、YOLOv8改進(jìn)之損失函數(shù)EfficiCIoU-Loss：獨(dú)家首發(fā)最新｜結(jié)合EfficiCIoULoss損失函數(shù)(適用于YOLOv5)，新的增強(qiáng)預(yù)測(cè)幀調(diào)整并加快幀回歸率，加快網(wǎng)絡(luò)模型收斂

• ??????：YOLOv7、YOLOv5、YOLOv8改進(jìn)之輸出COCO指標(biāo)：輸出自定義數(shù)據(jù)集中small、medium、large大中小目標(biāo)的mAP值，適用于自定義數(shù)據(jù)集，精度基本對(duì)齊，豐富實(shí)驗(yàn)數(shù)據(jù)，便于對(duì)比

• ??????：YOLOv5改進(jìn)、YOLOv7改進(jìn)、YOLOv8改進(jìn)｜YOLO改進(jìn)超過50種注意力機(jī)制，全篇共計(jì)30萬字（內(nèi)附改進(jìn)源代碼），原創(chuàng)改進(jìn)50種Attention注意力機(jī)制和Transformer自注意力機(jī)制

• ??????：YOLOv5、YOLOv8改進(jìn)首發(fā)最新主干FasterNet系列：最新CVPR2023錄用｜頂會(huì)Backbone，為更快的神經(jīng)網(wǎng)絡(luò)追求更高的 FLOPS，超越其他輕量化模型

• ??????：SCI期刊寫作必備（二）：代碼｜手把手繪制目標(biāo)檢測(cè)領(lǐng)域YOLO論文常見的性能對(duì)比折線圖，一鍵生成YOLOv7、YOLOv6等主流論文同款圖表，包含多種不同功能風(fēng)格對(duì)比圖表

• ??????：YOLOv7首發(fā)改進(jìn)最新主干FasterNet系列：最新CVPR2023頂會(huì)錄用Backbone，為更快的神經(jīng)網(wǎng)絡(luò)追求更高的 FLOPS，參數(shù)量計(jì)算量下降、FPS提高

• ??????：原創(chuàng)最新｜SCI寫作必備（一）繪制YOLOv7、YOLOv6等論文同款性能對(duì)比圖-Python：包含多種不同功能風(fēng)格圖表｜包括mAP、Params、FPS等對(duì)比圖表（YOLOv6/YOLOv7同款）

• ??????：YOLOv5、YOLOv7改進(jìn)之實(shí)驗(yàn)結(jié)果新增mAP75的值(一)：新增打印mAP75的值，便于YOLOv5系列模型對(duì)比實(shí)驗(yàn)獲取更多精度數(shù)據(jù)，豐富實(shí)驗(yàn)數(shù)據(jù)

• ??????：YOLOv5、YOLOv7改進(jìn)之實(shí)驗(yàn)結(jié)果打印F1 Score的值(二)：新增打印F1 Score的值，便于YOLOv5系列模型對(duì)比實(shí)驗(yàn)獲取更多精度數(shù)據(jù)，豐富實(shí)驗(yàn)數(shù)據(jù)

• ??????：YOLOv5、YOLOv7改進(jìn)之訓(xùn)練結(jié)果完善results.png、results.csv打印的數(shù)據(jù)(三)｜全網(wǎng)首發(fā)原創(chuàng)制作，新增打印mAP75和F1的值，修改原始風(fēng)格，豐富實(shí)驗(yàn)數(shù)據(jù)

• ??????：YOLOv7、YOLOv5改進(jìn)之打印熱力圖可視化：適用于自定義模型，豐富實(shí)驗(yàn)數(shù)據(jù)

持續(xù)更新中

• ??????：還在更新中

還在持續(xù)更新中?。。??????

更新篇數(shù)不低于20篇

專欄內(nèi)容有疑問的 可以主動(dòng)私信我，(因?yàn)槊刻熘鲃?dòng)私信次數(shù)只有5次，所以沒法一一私聊大家)?

下面鏈接為《芒果改進(jìn)YOLO高階指南》`專欄內(nèi)容，還在持續(xù)更新中…?

所以敲重點(diǎn)：專欄持續(xù)更新中?

每篇博客 均為原創(chuàng)內(nèi)容，內(nèi)含理論部分 以及 多種改進(jìn)全部源代碼，以及給出思考點(diǎn)，主要是讓大家快速進(jìn)行網(wǎng)絡(luò)模型改進(jìn)。?

重點(diǎn)：??進(jìn)階專欄內(nèi)容持續(xù)更新中???????，訂閱了該專欄的讀者務(wù)必·私信博主·加·全新創(chuàng)新點(diǎn)進(jìn)階交流群· 群內(nèi)不定時(shí)會(huì)發(fā)一些其他未公開的Tricks（部分在群內(nèi)共享以及完善，務(wù)必私信博主加進(jìn)階交流群，訂閱了的讀者關(guān)注下）?

四、購買須知(必看)

??注意點(diǎn)

官方要求

購買須知本專欄為圖文內(nèi)容，最終完結(jié)不會(huì)低于15篇文章。?
訂閱專欄，享有專欄所有文章閱讀權(quán)限。?
本專欄為虛擬產(chǎn)品，一經(jīng)付款概不退款，敬請(qǐng)諒解。?

除了以上官方的規(guī)則以外，其他的 服務(wù)or規(guī)則 為博主提供的，博主具有最終解釋權(quán)。?

對(duì)于不友好的人、違規(guī)行為、惡意破壞行為，除支持 以上三點(diǎn)CSDN官方要求的規(guī)則 以外，不支持其他任何服務(wù)！

訂閱之前注意

• 注意別被所謂的"低價(jià)盜版"所騙,非訂閱者.違規(guī)者不提供任何免費(fèi)服務(wù)
• 付費(fèi)專欄是自愿訂閱，不支持任何理由退款，訂閱前三思、訂閱前三思、訂閱前三思

• 付費(fèi)訂閱的是該專欄所有文章的閱讀權(quán)限，有需求就訂閱，這是自愿的！

• 和專欄的內(nèi)容相關(guān)的問題，可以私信博主，看到會(huì)回，（如果是一些簡(jiǎn)單的基礎(chǔ)問題，可以先嘗試百度）

• 凡是用自己的CSDN賬號(hào)私信博主 想要不同的QQ需要加交流群，將作為不友好行為、違規(guī)行為行為處理，后續(xù)一律不支持任何其他免費(fèi)服務(wù)，僅支持官方提供的付費(fèi)服務(wù)??！

• 重點(diǎn)：付費(fèi)專欄訂閱的只是所有文章的閱讀權(quán)限

請(qǐng)注意?。。≌?qǐng)注意?。?！交流群不是付費(fèi)專欄提供的付費(fèi)服務(wù)！！！

交流群是博主免費(fèi)提供給友好的讀者的！是完全免費(fèi)的，和付費(fèi)服務(wù)無關(guān)?。??請(qǐng)注意：不友好的，違規(guī)的，沒有這個(gè)免費(fèi)服務(wù)，該免費(fèi)服務(wù)和付費(fèi)專欄無關(guān)）

代碼還在更新中，持續(xù)到2024年底?。。。ㄟ€沒更新代碼的部分博客，等待更新就行了）

?? 未經(jīng)允許，禁止 任何復(fù)制/洗稿/轉(zhuǎn)載 等形式使用以下文章的任何部分進(jìn)行發(fā)文的行為，違者必究.文章來源地址http://www.zghlxwxcb.cn/news/detail-402852.html

到了這里，關(guān)于CSDN獨(dú)家《芒果YOLO改進(jìn)高階指南》適用YOLOv5、YOLOv7、YOLOv8等改進(jìn)專欄，來自人工智能專家唐宇迪老師聯(lián)袂推薦的文章就介紹完了。如果您還想了解更多內(nèi)容，請(qǐng)?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！