相關(guān)文章

• Pointnet++改進(jìn)注意力機(jī)制系列：全網(wǎng)首發(fā)SE通道注意力機(jī)制 |即插即用，實現(xiàn)有效漲點！

  簡介： 1.該教程提供大量的首發(fā)改進(jìn)的方式，降低上手難度，多種結(jié)構(gòu)改進(jìn)，助力尋找創(chuàng)新點！ 2.本篇文章對Pointnet++特征提取模塊進(jìn)行改進(jìn)，加入 SE 注意力機(jī)制，提升性能。 3.專欄持續(xù)更新，緊隨最新的研究內(nèi)容。 目錄 1.理論介紹 2.修改步驟 2.1 步驟一 ? ? ? ? ?2.2 步驟二

  2024年01月15日

  瀏覽(103)

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

  ?? 本篇內(nèi)容 ：YOLOv8原創(chuàng)改進(jìn)最新CVPR2023主干系列：博客提出了一個獨(dú)創(chuàng)結(jié)構(gòu)FasterNeXt，超10個數(shù)據(jù)集上已漲點，可直接寫模型改進(jìn) ?? ??????內(nèi)含·改進(jìn)源代碼·，按步驟操作運(yùn)行改進(jìn)后的代碼即可 改進(jìn)結(jié)構(gòu)為博主原創(chuàng)結(jié)構(gòu)， 部分漲點效果反饋 一覽,只統(tǒng)計了一小部分????

  2024年02月05日

  瀏覽(25)

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

  ?? 本篇內(nèi)容 ：YOLOv5改進(jìn)多種檢測解耦頭系列：首發(fā)更新超多種高精度｜輕量化解耦檢測頭（最全改進(jìn)集合），內(nèi)含多種檢測頭/解耦頭改進(jìn)，高效漲點 ?? ??????內(nèi)含·改進(jìn)源代碼·，按步驟操作運(yùn)行改進(jìn)后的源代碼即可 重點 ：??????有同學(xué)已經(jīng)內(nèi)測使用這個系列的 各

  2024年02月06日

  瀏覽(139)
• 

  改進(jìn)YOLO系列 | CVPR2023最新注意力 | BiFormer：視覺變換器與雙層路由注意力

  作為視覺變換器的核心構(gòu)建模塊，注意力是一種強(qiáng)大的工具，可以捕捉長程依賴關(guān)系。然而，這種強(qiáng)大的功能付出了代價：計算負(fù)擔(dān)和內(nèi)存占用巨大，因為需要在所有空間位置上計算成對的令牌交互。一系列的研究嘗試通過引入手工制作和與內(nèi)容無關(guān)的稀疏性來緩解這個問題

  2024年02月11日

  瀏覽(23)

• YOLOv7改進(jìn)損失函數(shù)Loss系列：首發(fā)手把手最新結(jié)合多種類Loss（內(nèi)附代碼），包括PolyLoss / VarifocalLoss / GFL / QualityFLoss / FL等

  ??該教程為屬于 《芒果書》 ??系列，包含大量的原創(chuàng)首發(fā)改進(jìn)方式, 所有文章都是全網(wǎng)首發(fā)原創(chuàng)改進(jìn)內(nèi)容?? 降低改進(jìn)難度,改進(jìn)多種結(jié)構(gòu)演示 ??本篇文章基于 基于 YOLOv7 、 YOLOv7-tiny 等網(wǎng)絡(luò)最新結(jié)合不同Loss，包括PolyLoss / VarifocalLoss / GeneralizedFLoss / QualityFLoss / Focal Loss等改進(jìn)

  2024年02月04日

  瀏覽(243)
• 

  YOLOv8改進(jìn) | 主干篇 | 低照度圖像增強(qiáng)網(wǎng)絡(luò)SCINet改進(jìn)黑暗目標(biāo)檢測（全網(wǎng)獨(dú)家首發(fā)）

  本文給大家?guī)淼母倪M(jìn)機(jī)制是低照度圖像增強(qiáng)網(wǎng)絡(luò)SCINet， SCINet（自校正照明網(wǎng)絡(luò)） 是一種專為 低光照圖像增強(qiáng)設(shè)計 的框架。它通過 級聯(lián)照明學(xué)習(xí)過程和權(quán)重共享機(jī)制 來處理圖像，優(yōu)化了照明部分以提升圖像質(zhì)量。我將該網(wǎng)絡(luò)集成在YOLOv8的主干上針對于圖像的輸入進(jìn)行增強(qiáng)

  2024年01月22日

  瀏覽(45)
• 

  YOLOv5改進(jìn) | 融合改進(jìn)篇 | 輕量化CCFM + SENetv2進(jìn)行融合改進(jìn)漲點 (全網(wǎng)獨(dú)家首發(fā))

  本文給大家?guī)淼母倪M(jìn)機(jī)制是輕量化的Neck結(jié)構(gòu)CCFM配合SENetv2改進(jìn)的網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行融合改進(jìn)， 其中CCFM為我本人根據(jù)RT-DETR模型一比一總結(jié)出來的 ，文中配其手撕結(jié)構(gòu)圖，其中SENetV2為網(wǎng)絡(luò)結(jié)構(gòu)重構(gòu)化模塊，通過其改進(jìn)主干從而提取更有效的特征，這兩個模塊搭配在一起，一個輕

  2024年01月17日

  瀏覽(29)
• 

  YOLOv8/v7/v5全網(wǎng)首發(fā)獨(dú)家創(chuàng)新，內(nèi)涵CBAM注意力改進(jìn)、ECA改進(jìn)，SPPF改進(jìn)等

  ?????? 全網(wǎng)獨(dú)家首發(fā)創(chuàng)新（原創(chuàng)），純自研模塊，適合paper ?。?！ ?????? 內(nèi)涵CBAM注意力改進(jìn)、ECA改進(jìn)，SPPF改進(jìn)等！??！ 重新設(shè)計全局平均池化層和全局最大池化層，增強(qiáng)全局視角信息和不同尺度大小的特征 分析SPPF的問題點，只關(guān)注邊緣信息而忽略背景信息 如何改進(jìn)

  2024年01月23日

  瀏覽(40)

• YOLOv8改進(jìn)最新主干系列BiFormer：頂會CVPR2023即插即用，小目標(biāo)檢測漲點必備，首發(fā)改進(jìn)，基于動態(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)，打造高精度檢測器

  ?? 本篇內(nèi)容 ：YOLOv5/v7/v8改進(jìn)最新主干系列BiFormer：頂會CVPR2023即插即用，小目標(biāo)檢測漲點必備，首發(fā)原創(chuàng)改進(jìn)，基于動態(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)，最新TransFormer改進(jìn)結(jié)構(gòu)： BiFormer 重點 ：??????YOLOv5｜YOLOv7｜YOLOv8 使用這個 創(chuàng)新點 在 數(shù)據(jù)集

  2024年02月12日

  瀏覽(30)
• 

  YOLOv5改進(jìn) | 檢測頭篇 | ASFFHead自適應(yīng)空間特征融合檢測頭（全網(wǎng)首發(fā)）

  本文給大家?guī)淼母倪M(jìn)機(jī)制是利用 ASFF改進(jìn)YOLOv5的檢測 頭 形成新的檢測頭 Detect_ASFF ，其主要創(chuàng)新是引入了一種自適應(yīng)的空間特征融合方式，有效地過濾掉沖突信息，從而增強(qiáng)了尺度不變性。經(jīng)過我的實驗驗證，修改后的檢測頭在所有的檢測目標(biāo)上均有大幅度的漲點效果，此

  2024年01月22日

  瀏覽(33)