相關(guān)文章

• 

  YOLOv7改進注意力機制系列：最新結(jié)合即插即用CA(Coordinate attention) 注意力機制(適用于YOLOv5)，CVPR 2021 頂會助力分類檢測漲點！

  ??統(tǒng)一使用 YOLOv5、YOLOv7 代碼框架， 結(jié)合不同模塊來構(gòu)建不同的YOLO目標檢測模型。 論文所提的 Coordinate注意力 很簡單，可以靈活地插入到經(jīng)典的移動網(wǎng)絡中，而且?guī)缀鯖]有計算開銷。大量實驗表明，Coordinate注意力不僅有益于ImageNet分類，而且更有趣的是，它在下游任務（如

  2024年02月05日

  瀏覽(28)

• YOLOv7改進主干CFPNet系列：全網(wǎng)首發(fā)結(jié)合最新Centralized Feature Pyramid集中特征金字塔，測試私有數(shù)據(jù)集漲點，通過COCO數(shù)據(jù)集驗證強勢漲點

  ??該教程包含大量的原創(chuàng)首發(fā)改進方式, 所有文章都是原創(chuàng)首發(fā)改進內(nèi)容?? 降低改進難度,改進點包含最新最全的 Backbone 部分、 Neck 部分、 Head 部分、 注意力機制 部分、 自注意力機制 部分等完整教程?? ??本篇文章基于 YOLOv7、YOLOv7-Tiny 最新集中特征金字塔Centralized Featur

  2024年02月08日

  瀏覽(24)
• 

  YOLOv7改進主干結(jié)構(gòu)系列：結(jié)合豐富的梯度流信息模塊，來自YOLOv8的核心模塊

  -??統(tǒng)一使用 YOLO 代碼框架， 結(jié)合不同模塊來構(gòu)建不同的YOLO目標檢測模型。 ?? 《芒果書》系列改進專欄內(nèi)的改進文章，均包含多種模型改進方式，均適用于 YOLOv3 、 YOLOv4 、 YOLOR 、 YOLOX 、 YOLOv5 、 YOLOv7 、 YOLOv8 改進（重點）?。?！ ?? 專欄創(chuàng)新點教程 均有不少同學反應和

  2024年02月04日

  瀏覽(30)

• YOLOv7改進wiou損失函數(shù)：結(jié)合最新Wise-IoU損失函數(shù)，漲點神器｜超越CIoU, SIoU性能，助力YOLOv7模型漲點1.4%，最新目標檢測的損失函數(shù)

  ??該教程為改進進階指南，屬于 《芒果書》 ??系列，包含大量的原創(chuàng)首發(fā)改進方式, 所有文章都是全網(wǎng)首發(fā)原創(chuàng)改進內(nèi)容?? ??本篇文章 基于 YOLOv5、YOLOv7 芒果 改進YOLO系列： 芒果改進YOLOv7系列：結(jié)合最新Wise-IoU損失函數(shù)，漲點神器｜超越CIoU, SIoU性能，助力YOLOv7模型漲點

  2024年02月05日

  瀏覽(106)

• YOLOv7、YOLOv5、YOLOv8改進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（最新檢測頭改進集合），內(nèi)含多種檢測頭/解耦頭改進，檢測頭高效漲點

  ?? 本篇內(nèi)容 ：YOLOv5改進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（最全改進集合），內(nèi)含多種檢測頭/解耦頭改進，高效漲點 ?? ??????內(nèi)含·改進源代碼·，按步驟操作運行改進后的源代碼即可 重點 ：??????有同學已經(jīng)內(nèi)測使用這個系列的 各

  2024年02月06日

  瀏覽(139)
• 

  漲點技巧：Detect系列---Yolov5/Yolov7加入ASFF特征金字塔融合方法，漲點明顯

  目錄 ? 1.ASFF介紹 ?2.ASFF加入Yolov5提升檢測精度 2.1 ASFF加入common.py中： 2.2 ASFF加入yolo.py中：? 2.3 修改yolov5s_asff.yaml 2.4 與cbam結(jié)合 進一步提升檢測精度 ?? ????????????Yolov5/Yolov7成長師?????????????? ????進階專欄Yolov5/Yolov7魔術(shù)師：http://t.csdn.cn/D4NqB ???? ???

  2023年04月08日

  瀏覽(31)
• 

  YOLOv7、YOLOv5改進之損失函數(shù)EfficiCIoU-Loss：獨家首發(fā)最新｜結(jié)合EfficiCIoULoss損失函數(shù)(適用于YOLOv5)，新的增強預測幀調(diào)整并加快幀回歸率，加快網(wǎng)絡模型收斂

  ??該教程為屬于 《芒果書》 ??系列，包含大量的原創(chuàng)首發(fā)改進方式, 所有文章都是全網(wǎng)首發(fā)原創(chuàng)改進內(nèi)容?? ??本篇文章 為 YOLOv5、YOLOv7、YOLOv8 芒果改進YOLO系列： YOLOv7改進損失函數(shù)：獨家首發(fā)最新｜結(jié)合EfficiCIoU-Loss損失函數(shù)，新的增強預測幀調(diào)整并加快幀回歸率，加快網(wǎng)

  2024年02月05日

  瀏覽(25)
• 

  yolov7改進系列

  (71條消息) YOLOv7改進結(jié)構(gòu)系列： 最新結(jié)合用于小目標的新CNN卷積構(gòu)建塊_芒果汁沒有芒果的博客-CSDN博客 一、SPD論文理論部分 卷積神經(jīng)網(wǎng)絡 (CNN) 在許多計算機視覺任務（例如圖像分類和對象檢測）中取得了巨大成功。然而，它們的性能在圖像分辨率低或物體很小的更艱巨的任

  2024年02月05日

  瀏覽(40)
• 

  ?目標檢測算法——YOLOv5/YOLOv7改進之結(jié)合?SOCA（單幅圖像超分辨率）

  （一）前沿介紹 論文題目：Second-order Attention Network for Single Image Super-Resolution 論文地址：CVPR19 超分辨率 代碼地址：https://github.com/daitao/SAN 1.SOCA moudle結(jié)構(gòu)圖 2.相關(guān)實驗結(jié)果 （二）YOLOv5/YOLOv7改進之結(jié)合?SOCA 1.配置common.py文件 2.配置yolo.py文件 3.配置yolov5/yolov7_SOCA moudle.yaml文件

  2024年02月07日

  瀏覽(22)
• 

  ?目標檢測算法——YOLOv5/YOLOv7改進之結(jié)合Criss-Cross Attention

  論文題目： CCNet: Criss-Cross Attention for Semantic Segmentation 論文地址： https://arxiv.org/pdf/1811.11721.pdf 代碼地址：https://github.com/shanglianlm0525/CvPytorch 本文是ICCV2019的語義分割領(lǐng)域的文章，旨在解決long-range dependencies問題，提出了基于十字交叉注意力機制（Criss-Cross Attention）的模塊，利

  2024年02月02日

  瀏覽(32)