????>>>加勒比海帶，QQ2479200884<<<????
????>>>【YOLO魔法搭配&論文投稿咨詢】<<<????
??>>>學習交流 | 溫瀾潮生 | 合作共贏 | 共同進步<<<??
????>>>人工智能 | 計算機視覺 | 深度學習Tricks | 第一時間送達<<<????
目錄
一、前沿介紹
1.空洞卷積（Atrous Convolution）
2.空洞空間卷積池化金字塔（Atrous Spatial Pyramid Pooling）
二、YOLOv5/YOLOv7改進之結合??ASPP
1.配置common.py文件
2.配置yolo.py文件
3.配置yolov5/yolov7_??ASPP.yaml文件
>>>一起交流！互相學習！共同進步！<<<
一、前沿介紹
首先要介紹Atrous Convolution(空洞卷積)，它是一種增加感受野的方法。
1.空洞卷積（Atrous Convolution）
空洞卷積和普通的卷積操作不同的地方在于卷積核中按照一定的規(guī)律插入了一些（rate-1）為零的值，使得感受野增加，而無需通過減小圖像大小來增加感受野。
2.空洞空間卷積池化金字塔（Atrous Spatial Pyramid Pooling）
空洞空間卷積池化金字塔（Atrous Spatial Pyramid Pooling，ASPP）對所給定的輸入以不同采樣率的空洞卷積并行采樣，相當于以多個比例捕捉圖像的上下文。
二、YOLOv5/YOLOv7改進之結合??ASPP
共分三步走：
1.配置common.py文件
#ASPP——————————————————————————————————————————————————————————————
class ASPP(nn.Module):
def __init__(self, in_channel=512, depth=256):
super(ASPP,self).__init__()
self.mean = nn.AdaptiveAvgPool2d((1, 1)) #(1,1)means ouput_dim
self.conv = nn.Conv2d(in_channel, depth, 1, 1)
self.atrous_block1 = nn.Conv2d(in_channel, depth, 1, 1)
self.atrous_block6 = nn.Conv2d(in_channel, depth, 3, 1, padding=6, dilation=6)
self.atrous_block12 = nn.Conv2d(in_channel, depth, 3, 1, padding=12, dilation=12)
self.atrous_block18 = nn.Conv2d(in_channel, depth, 3, 1, padding=18, dilation=18)
self.conv_1x1_output = nn.Conv2d(depth * 5, depth, 1, 1)
def forward(self, x):
size = x.shape[2:]
image_features = self.mean(x)
image_features = self.conv(image_features)
image_features = F.upsample(image_features, size=size, mode='bilinear')
atrous_block1 = self.atrous_block1(x)
atrous_block6 = self.atrous_block6(x)
atrous_block12 = self.atrous_block12(x)
atrous_block18 = self.atrous_block18(x)
net = self.conv_1x1_output(torch.cat([image_features, atrous_block1, atrous_block6,
atrous_block12, atrous_block18], dim=1))
return net2.配置yolo.py文件
加入ASPP模塊。文章來源：http://www.zghlxwxcb.cn/news/detail-414003.html
文章來源地址http://www.zghlxwxcb.cn/news/detail-414003.html
3.配置yolov5/yolov7_??ASPP.yaml文件
# anchors
anchors:
- [10,13, 16,30, 33,23] # P3/8
- [30,61, 62,45, 59,119] # P4/16
- [116,90, 156,198, 373,326] # P5/32
# YOLOv5 backbone
backbone:
# [from, number, module, args]
[[-1, 1, Focus, [64, 3]], # 0-P1/2
[-1, 1, Conv, [128, 3, 2]], # 1-P2/4
[-1, 3, C3, [128]],
[-1, 1, Conv, [256, 3, 2]], # 3-P3/8
[-1, 9, C3, [256]],
[-1, 1, Conv, [512, 3, 2]], # 5-P4/16
[-1, 9, C3, [512]],
[-1, 1, Conv, [1024, 3, 2]], # 7-P5/32
[-1, 1, ASPP, [1024]],
[-1, 3, C3, [1024, False]], # 9
]
# YOLOv5 head
head:
[[-1, 1, Conv, [512, 1, 1]],
[-1, 1, nn.Upsample, [None, 2, 'nearest']],
[[-1, 6], 1, Concat, [1]], # cat backbone P4
[-1, 3, C3, [512, False]], # 13
[-1, 1, Conv, [256, 1, 1]],
[-1, 1, nn.Upsample, [None, 2, 'nearest']],
[[-1, 4], 1, Concat, [1]], # cat backbone P3
[-1, 3, C3, [256, False]], # 17 (P3/8-small)
[-1, 1, Conv, [256, 3, 2]],
[[-1, 14], 1, Concat, [1]], # cat head P4
[-1, 3, C3, [512, False]], # 20 (P4/16-medium)
[-1, 1, Conv, [512, 3, 2]],
[[-1, 10], 1, Concat, [1]], # cat head P5
[-1, 3, C3, [1024, False]], # 23 (P5/32-large)
[[17, 20, 23], 1, Detect, [nc, anchors]], # Detect(P3, P4, P5)
]??????【算法創(chuàng)新&算法訓練&論文投稿】相關鏈接??????
?【YOLO創(chuàng)新算法嘗新系列】?
???美團出品 | YOLOv6 v3.0 is Coming（超越YOLOv7、v8）
???官方正品 | Ultralytics YOLOv8算法來啦（尖端SOTA模型）
???改進YOLOv5/YOLOv7——魔改YOLOv5/YOLOv7提升檢測精度（漲點必備）
————————————??【重磅干貨來襲】??————————————
??一、主干網(wǎng)絡改進（持續(xù)更新中）????
1.目標檢測算法——YOLOv5/YOLOv7改進之結合ConvNeXt結構（純卷積|超越Swin）
2.目標檢測算法——YOLOv5/YOLOv7改進之結合MobileOne結構（高性能骨干|僅需1ms）
3.目標檢測算法——YOLOv5/YOLOv7改進之結合Swin Transformer V2（漲點神器）
4.目標檢測算法——YOLOv5/YOLOv7改進結合BotNet（Transformer）
5.目標檢測算法——YOLOv5/YOLOv7改進之GSConv+Slim Neck（優(yōu)化成本）
6.目標檢測算法——YOLOv5/YOLOv7改進結合新神經(jīng)網(wǎng)絡算子Involution（CVPR 2021）
7.目標檢測算法——YOLOv7改進|增加小目標檢測層
8.目標檢測算法——YOLOv5改進|增加小目標檢測層
?? 持續(xù)更新中……
??二、輕量化網(wǎng)絡（持續(xù)更新中）????
1.目標檢測算法——YOLOv5/YOLOv7改進之結合?RepVGG（速度飆升）
2.目標檢測算法——YOLOv5/YOLOv7改進之結合?PP-LCNet（輕量級CPU網(wǎng)絡）
3.目標檢測算法——YOLOv5/YOLOv7改進之結合輕量化網(wǎng)絡MobileNetV3（降參提速）
4.目標檢測算法——YOLOv5/YOLOv7改進|結合輕量型網(wǎng)絡ShuffleNetV2
5.目標檢測算法——YOLOv5/YOLOv7改進結合輕量型Ghost模塊
?? 持續(xù)更新中……
??三、注意力機制（持續(xù)更新中）????
1.目標檢測算法——YOLOv5改進之結合CBAM注意力機制
2.目標檢測算法——YOLOv7改進之結合CBAM注意力機制
3.目標檢測算法——YOLOv5/YOLOv7之結合CA注意力機制
4.目標檢測算法——YOLOv5/YOLOv7改進之結合ECA注意力機制
5.目標檢測算法——YOLOv5/YOLOv7改進之結合NAMAttention（提升漲點）
6.目標檢測算法——YOLOv5/YOLOv7改進之結合GAMAttention
7.目標檢測算法——YOLOv5/YOLOv7改進之結合無參注意力SimAM（漲點神器）
8.目標檢測算法——YOLOv5/YOLOv7改進之結合Criss-Cross Attention
9.?目標檢測算法——YOLOv5/YOLOv7改進之結合?SOCA（單幅圖像超分辨率）
?? 持續(xù)更新中……
??四、檢測頭部改進（持續(xù)更新中）????
1.魔改YOLOv5/v7高階版（魔法搭配+創(chuàng)新組合）——改進之結合解耦頭Decoupled_Detect
2.目標檢測算法——YOLOv5/YOLOv7改進結合漲點Trick之ASFF（自適應空間特征融合）
?? 持續(xù)更新中……
??五、空間金字塔池化（持續(xù)更新中）????
1.目標檢測算法——YOLOv5/YOLOv7改進之結合?ASPP（空洞空間卷積池化金字塔）
2.目標檢測算法——YOLOv5/YOLOv7改進之結合特征提取網(wǎng)絡RFBNet（漲點明顯）
?? 持續(xù)更新中……
??六、損失函數(shù)及NMS改進（持續(xù)更新中）????
1.目標檢測算法——YOLOv5/YOLOv7改進|將IOU Loss替換為EIOU Loss
2.目標檢測算法——助力漲點 | YOLOv5改進結合Alpha-IoU
3.目標檢測算法——YOLOv5/YOLOv7改進之結合SIoU
4.目標檢測算法——YOLOv5將NMS替換為DIoU-NMS
?? 持續(xù)更新中……
??七、其他創(chuàng)新改進項目（持續(xù)更新中）????
1.手把手教你搭建屬于自己的PyQt5-YOLOv5目標檢測平臺（保姆級教程）
2.YOLO算法改進之結合GradCAM可視化熱力圖（附詳細教程）
3.目標檢測算法——YOLOv5/YOLOv7改進之結合SPD-Conv（低分辨率圖像和小目標漲點明顯）
4.目標檢測算法——YOLOv5/YOLOv7改進之更換FReLU激活函數(shù)
5.目標檢測算法——YOLOv5/YOLOv7改進之結合BiFPN
?? 持續(xù)更新中……
??八、算法訓練相關項目（持續(xù)更新中）????
1.目標檢測算法——YOLOv7訓練自己的數(shù)據(jù)集（保姆級教程）
2.人工智能前沿——玩轉OpenAI語音機器人ChatGPT（中文版）
3.深度學習之語義分割算法（入門學習）
4.知識經(jīng)驗分享——YOLOv5-6.0訓練出錯及解決方法（RuntimeError）
5.目標檢測算法——將xml格式轉換為YOLOv5格式txt
6.目標檢測算法——YOLOv5/YOLOv7如何改變bbox檢測框的粗細大小
7.人工智能前沿——6款AI繪畫生成工具
8.YOLOv5結合人體姿態(tài)估計
9.超越YOLOv5，0.7M超輕量，又好又快（PP-YOLOE&PP-PicoDet）
10.目標檢測算法——收藏|小目標檢測的定義（一）
11.目標檢測算法——收藏|小目標檢測難點分析（二）
12.目標檢測算法——收藏|小目標檢測解決方案（三）
?? 持續(xù)更新中……
??九、數(shù)據(jù)資源相關項目（持續(xù)更新中）????
1.目標檢測算法——小目標檢測相關數(shù)據(jù)集（附下載鏈接）
2.目標檢測算法——3D公共數(shù)據(jù)集匯總（附下載鏈接）
3.目標檢測算法——3D公共數(shù)據(jù)集匯總 2（附下載鏈接）
4.目標檢測算法——行人檢測&人群計數(shù)數(shù)據(jù)集匯總(附下載鏈接)
5.目標檢測算法——遙感影像數(shù)據(jù)集資源匯總（附下載鏈接）
6.目標檢測算法——自動駕駛開源數(shù)據(jù)集匯總（附下載鏈接）
7.目標檢測算法——自動駕駛開源數(shù)據(jù)集匯總 2（附下載鏈接）
8.目標檢測算法——圖像分類開源數(shù)據(jù)集匯總（附下載鏈接）
9.目標檢測算法——醫(yī)學圖像開源數(shù)據(jù)集匯總（附下載鏈接）
10.目標檢測算法——工業(yè)缺陷數(shù)據(jù)集匯總1（附下載鏈接）
11.目標檢測算法——工業(yè)缺陷數(shù)據(jù)集匯總2（附下載鏈接）
12.目標檢測算法——垃圾分類數(shù)據(jù)集匯總（附下載鏈接）
13.目標檢測算法——人臉識別數(shù)據(jù)集匯總（附下載鏈接）
14.目標檢測算法——安全帽識別數(shù)據(jù)集（附下載鏈接）
15.目標檢測算法——人體姿態(tài)估計數(shù)據(jù)集匯總（附下載鏈接）
16.目標檢測算法——人體姿態(tài)估計數(shù)據(jù)集匯總 2（附下載鏈接）
17.目標檢測算法——車輛牌照識別數(shù)據(jù)集匯總（附下載鏈接）
18.目標檢測算法——車輛牌照識別數(shù)據(jù)集匯總 2（附下載鏈接）
19.收藏 | 機器學習公共數(shù)據(jù)集集錦（附下載鏈接）
20.目標檢測算法——圖像分割數(shù)據(jù)集匯總（附下載鏈接）
21.目標檢測算法——圖像分割數(shù)據(jù)集匯總 2（附下載鏈接）
22.收藏 | 自然語言處理（NLP）數(shù)據(jù)集匯總（附下載鏈接）
23.自然語言處理（NLP）數(shù)據(jù)集匯總 2（附下載鏈接）
24.自然語言處理（NLP）數(shù)據(jù)集匯總 3（附下載鏈接）
25.自然語言處理（NLP）數(shù)據(jù)集匯總 4（附下載鏈接）
?? 持續(xù)更新中……
??十、論文投稿相關項目（持續(xù)更新中）????
1.論文投稿指南——收藏|SCI論文投稿注意事項（提高命中率）
2.論文投稿指南——收藏|SCI論文怎么投？（Accepted）
3.論文投稿指南——收藏|SCI寫作投稿發(fā)表全流程
4.論文投稿指南——收藏|如何選擇SCI期刊（含選刊必備神器）
5.論文投稿指南——SCI選刊
6.論文投稿指南——SCI投稿各階段郵件模板
7.人工智能前沿——深度學習熱門領域（確定選題及研究方向）
8.人工智能前沿——2022年最流行的十大AI技術
9.人工智能前沿——未來AI技術的五大應用領域
10.人工智能前沿——無人自動駕駛技術
11.人工智能前沿——AI技術在醫(yī)療領域的應用
12.人工智能前沿——隨需應變的未來大腦
13.目標檢測算法——深度學習知識簡要普及
14.目標檢測算法——10種深度學習框架介紹
15.目標檢測算法——為什么我選擇PyTorch？
16.知識經(jīng)驗分享——超全激活函數(shù)解析（數(shù)學原理+優(yōu)缺點）
17.知識經(jīng)驗分享——卷積神經(jīng)網(wǎng)絡（CNN）
18.海帶軟件分享——Office 2021全家桶安裝教程（附報錯解決方法）
19.海帶軟件分享——日常辦公學習軟件分享（收藏）
20.論文投稿指南——計算機視覺 (Computer Vision) 頂會歸納
21.論文投稿指南——中文核心期刊
22.論文投稿指南——計算機領域核心期刊
23.論文投稿指南——中文核心期刊推薦（計算機技術）
24.論文投稿指南——中文核心期刊推薦（計算機技術2）
25.論文投稿指南——中文核心期刊推薦（計算機技術3）
26.論文投稿指南——中文核心期刊推薦（電子、通信技術）
27.論文投稿指南——中文核心期刊推薦（電子、通信技術2）
28.論文投稿指南——中文核心期刊推薦（電子、通信技術3）
29.論文投稿指南——中文核心期刊推薦（機械、儀表工業(yè)）
30.論文投稿指南——中文核心期刊推薦（機械、儀表工業(yè)2）
31.論文投稿指南——中文核心期刊推薦（機械、儀表工業(yè)3）
32.論文投稿指南——中國（中文EI）期刊推薦（第1期）
33.論文投稿指南——中國（中文EI）期刊推薦（第2期）
34.論文投稿指南——中國（中文EI）期刊推薦（第3期）
35.論文投稿指南——中國（中文EI）期刊推薦（第4期）
36.論文投稿指南——中國（中文EI）期刊推薦（第5期）
37.論文投稿指南——中國（中文EI）期刊推薦（第6期）
38.論文投稿指南——中國（中文EI）期刊推薦（第7期）
39.論文投稿指南——中國（中文EI）期刊推薦（第8期）
40.【1】SCI易中期刊推薦——計算機方向（中科院3區(qū)）
41.【2】SCI易中期刊推薦——遙感圖像領域（中科院2區(qū)）
42.【3】SCI易中期刊推薦——人工智能領域（中科院1區(qū)）
43.【4】SCI易中期刊推薦——神經(jīng)科學研究（中科院4區(qū)）
44.【5】SCI易中期刊推薦——計算機科學（中科院2區(qū)）
45.【6】SCI易中期刊推薦——人工智能&神經(jīng)科學&機器人學（中科院3區(qū)）
46.【7】SCI易中期刊推薦——計算機 | 人工智能（中科院4區(qū)）
47.【8】SCI易中期刊推薦——圖像處理領域（中科院4區(qū)）
48.【9】SCI易中期刊推薦——工程技術-計算機：軟件工程（中科院4區(qū)）
49.【10】SCI易中期刊推薦——工程技術-計算機：人工智能（中科院2區(qū)）
50.【11】SCI易中期刊推薦——計算機方向（中科院4區(qū)）
51.【12】SCI易中期刊推薦——計算機信息系統(tǒng)（中科院4區(qū)）
?? 持續(xù)更新中……
關于YOLO算法改進&論文投稿可關注并留言博主的CSDN/QQ
>>>一起交流！互相學習！共同進步！<<<
到了這里，關于目標檢測算法——YOLOv5/YOLOv7改進之結合?ASPP（空洞空間卷積池化金字塔）的文章就介紹完了。如果您還想了解更多內容，請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關文章，希望大家以后多多支持TOY模板網(wǎng)！
