相關(guān)文章

• 

  即插即用篇 | YOLOv8 引入 S2 注意力機(jī)制 | 《S^2-MLPV2: IMPROVED SPATIAL-SHIFT MLP ARCHITECTURE FOR VISION》

  論文名稱： 《S^2-MLPV2: IMPROVED SPATIAL-SHIFT MLP ARCHITECTURE FOR VISION》 論文地址：https://arxiv.org/pdf/2108.01072.pdf

  2024年04月16日

  瀏覽(33)
• 

  YOLOV8改進(jìn)：頂刊TIP 2023 | CFP：即插即用的多尺度融合模塊，有效漲點！

  ? 特征金字塔網(wǎng)絡(luò)現(xiàn)代識別系統(tǒng)中的一種基礎(chǔ)網(wǎng)絡(luò)結(jié)構(gòu)，可有效地用于檢測不同尺度的物體。 SSD ?是最早使用特征金字塔結(jié)構(gòu)表示多尺度特征信息的方法之一， FPN ?則依賴于自下而上的特征金字塔結(jié)構(gòu)，通過建立自上而下的路徑和橫向連接從多尺度高級語義特征圖中獲取特

  2024年02月09日

  瀏覽(83)

• YOLOv5/YOLOv8改進(jìn)實戰(zhàn)實驗：新型***亞像素卷積***優(yōu)化上采樣技術(shù)提升目標(biāo)檢測效果（即插即用）

  ??這是一個用于上采樣的子像素卷積（SubPixel Convolution）模塊，它是一種常見的圖像超分辨率的技術(shù)，也可以應(yīng)用于目標(biāo)檢測模型（如YOLO）的特征圖上采樣。下面我會分幾個部分詳細(xì)介紹這個模塊的原理和在YOLO中的應(yīng)用： ??模塊介紹：SubPixelConvolution_s是一個PyTorch模塊，

  2024年02月15日

  瀏覽(25)
• 

  優(yōu)化改進(jìn)YOLOv8算法之AKConv（可改變核卷積），即插即用的卷積，效果秒殺DSConv

  目錄 1 AKConv原理 1.1?Define the initial sampling position 1.2?Alterable convolutional operation 1.3?Extended AKConv 2 YOLOv8中加入AKConv模塊 2.1 AKConv.py文件配置 2.2 task.py配置 2.3 創(chuàng)建添加優(yōu)化點模塊的yolov8-AKConv.yaml 2.4 訓(xùn)練? AKConv: Convolutional Kernel with Arbitrary Sampled Shapes andArbitrary Number of Parameters 摘要

  2024年01月25日

  瀏覽(20)
• 

  YOLOv8改進(jìn)損失函數(shù)WDLoss：獨家更新｜即插即用｜YOLOv8小目標(biāo)檢測高效漲點2%，改進(jìn)用于小目標(biāo)檢測的歸一化高斯 Wasserstein Distance Loss，提升小目標(biāo)檢測

  ??該教程為 《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?? 內(nèi)容出品： CSDN博客獨家更新 @CSDN芒果汁沒有芒果 ??本篇文章 基于 YOLOv8 芒果 改進(jìn)YOLO系列： 芒果YOLOv8改進(jìn)WDLoss損失函數(shù)：獨家首發(fā)更新｜即插即用｜YOLOv8小目標(biāo)檢測高

  2024年02月01日

  瀏覽(42)

• 改進(jìn)YOLOv8 | C2F模塊中引入注意力機(jī)制的即插即用方法 | 詳細(xì)結(jié)構(gòu)圖與計算機(jī)視覺實現(xiàn)

  概述： 在計算機(jī)視覺領(lǐng)域，YOLOv8是一種常用的目標(biāo)檢測算法，而C2F模塊是YOLOv8的核心組成部分之一。為了進(jìn)一步提升YOLOv8的檢測性能，本文將介紹如何通過添加注意力機(jī)制來改進(jìn)C2F模塊。我們將詳細(xì)討論這一改進(jìn)方法，并提供相應(yīng)的源代碼，以便讀者可以直接使用。 引言：

  2024年04月15日

  瀏覽(757)
• 

  【YOLOv8/YOLOv7/YOLOv5/YOLOv4/Faster-rcnn系列算法改進(jìn)NO.64】即插即用新的注意力機(jī)制RFAConv

  ?前言 作為當(dāng)前先進(jìn)的深度學(xué)習(xí)目標(biāo)檢測算法YOLOv8，已經(jīng)集合了大量的trick，但是還是有提高和改進(jìn)的空間，針對具體應(yīng)用場景下的檢測難點，可以不同的改進(jìn)方法。此后的系列文章，將重點對YOLOv8的如何改進(jìn)進(jìn)行詳細(xì)的介紹，目的是為了給那些搞科研的同學(xué)需要創(chuàng)新點或者

  2024年02月02日

  瀏覽(61)

• 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(140)

• 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)

• 改進(jìn)YOLOv7系列：結(jié)合最新即插即用的動態(tài)卷積ODConv，有效漲點

  ??該教程包含大量的原創(chuàng)首發(fā)改進(jìn)方式, 所有文章都是原創(chuàng)首發(fā)改進(jìn)內(nèi)容?? 降低改進(jìn)難度,改進(jìn)點包含最新最全的Backbone部分、Neck部分、Head部分、注意力機(jī)制部分、自注意力機(jī)制部分等完整教程?? ??本篇文章為 基于 YOLOv7、YOLOv7-Tiny 、YOLOv5、YOLOv6、YOLOX、YOLOv4 結(jié)合 即插即用

  2024年02月07日

  瀏覽(26)