相關(guān)文章

• 

  YOLOv8算法改進(jìn)【NO.97】借鑒YOLOv7算法的方法添加輔助訓(xùn)練頭

  ?前? ?言 ? ? ? ?YOLO算法改進(jìn)系列出到這，很多朋友問(wèn)改進(jìn)如何選擇是最佳的，下面我就根據(jù)個(gè)人多年的寫(xiě)作發(fā)文章以及指導(dǎo)發(fā)文章的經(jīng)驗(yàn)來(lái)看，按照優(yōu)先順序進(jìn)行排序講解YOLO算法改進(jìn)方法的順序選擇。具體有需求的同學(xué)可以私信我溝通： 第一， 創(chuàng)新主干特征提取網(wǎng)絡(luò)，

  2024年01月22日

  瀏覽(32)

• YOLOv8改進(jìn) | Conv篇 | 利用YOLO-MS的MSBlock輕量化網(wǎng)絡(luò)結(jié)構(gòu)（既輕量又長(zhǎng)點(diǎn)）

  本文給大家?guī)?lái)的改進(jìn)機(jī)制是利用 YOLO-MS 提出的一種針對(duì)于實(shí)時(shí)目標(biāo)檢測(cè)的 MSBlock 模塊 (其其實(shí)不能算是Conv但是其應(yīng)該是一整個(gè)模塊) ， 我們將其用于C2f中組合出一種新的結(jié)構(gòu)，來(lái)替換我們網(wǎng)絡(luò)中的模塊可以達(dá)到一種輕量化的作用，我將其用于我的數(shù)據(jù)集上實(shí)驗(yàn)，包括多個(gè)類

  2024年02月01日

  瀏覽(29)
• 

  【YOLOv8改進(jìn)】MCA：用于圖像識(shí)別的深度卷積神經(jīng)網(wǎng)絡(luò)中的多維協(xié)作注意力 (論文筆記+引入代碼)

  先前的大量研究表明，注意力機(jī)制在提高深度卷積神經(jīng)網(wǎng)絡(luò)（CNN）的性能方面具有巨大潛力。然而，大多數(shù)現(xiàn)有方法要么忽略通道和空間維度的建模注意力，要么引入更高的模型復(fù)雜性和更重的計(jì)算負(fù)擔(dān)。為了緩解這種困境，在本文中，我們提出了一種輕量級(jí)且高效的多維協(xié)

  2024年03月18日

  瀏覽(78)
• 

  YOLOv8改進(jìn) | 進(jìn)階實(shí)戰(zhàn)篇 | 利用YOLOv8進(jìn)行視頻劃定區(qū)域目標(biāo)統(tǒng)計(jì)計(jì)數(shù)

  Hello，各位讀者， 最近會(huì)給大家發(fā)一些進(jìn)階實(shí)戰(zhàn)的講解 ，如何利用YOLOv8現(xiàn)有的一些功能進(jìn)行一些實(shí)戰(zhàn)， 讓我們不僅會(huì)改進(jìn)YOLOv8，也能夠利用YOLOv8去做一些簡(jiǎn)單的小工作，后面我也會(huì)將這些功能利用PyQt或者是pyside2做一些小的界面給大家使用。 在開(kāi)始之前給大家推薦一下我的

  2024年01月20日

  瀏覽(44)

• YoloV8改進(jìn)策略：Block改進(jìn)|Mamba-UNet改進(jìn)YoloV8，打造全新的Yolo-Mamba網(wǎng)絡(luò)

  本文嘗試使用Mamba的VSSBlock替換YoloV8的Bottleneck，打造最新的Yolo-Mamba網(wǎng)絡(luò)。 在醫(yī)學(xué)圖像分析的最新進(jìn)展中，卷積神經(jīng)網(wǎng)絡(luò)（CNN）和視覺(jué)轉(zhuǎn)換器（ViT）都取得了顯著的基準(zhǔn)成績(jī)。前者通過(guò)其卷積操作在捕獲局部特征方面表現(xiàn)出色，而后者則通過(guò)利用自注意力機(jī)制實(shí)現(xiàn)了出色的全局

  2024年02月20日

  瀏覽(30)

• YOLOv8改進(jìn) | 檢測(cè)頭篇 | 利用DySnakeConv改進(jìn)檢測(cè)頭專用于分割的檢測(cè)頭（全網(wǎng)獨(dú)家首發(fā)，Seg）

  本文給大家?guī)?lái)的改進(jìn)機(jī)制是一種我進(jìn)行優(yōu)化的專用于分割的檢測(cè)頭，在分割的過(guò)程中，最困難的無(wú)非就是邊緣的檢測(cè)， 動(dòng)態(tài)蛇形卷積 （Dynamic Snake Convolution）通過(guò)自適應(yīng)地聚焦于細(xì)長(zhǎng)和迂回的局部結(jié)構(gòu)，準(zhǔn)確地捕捉管狀結(jié)構(gòu)的特征。這種卷積方法的核心思想是， 通過(guò)動(dòng)態(tài)形

  2024年02月02日

  瀏覽(24)
• 

  YOLOv8改進(jìn) 優(yōu)化HGBlock網(wǎng)絡(luò)主干

  HGNet是一種用于目標(biāo)檢測(cè)任務(wù)的神經(jīng)網(wǎng)絡(luò)模型。基于ResNeSt和Hourglass網(wǎng)絡(luò)的結(jié)構(gòu)，經(jīng)過(guò)訓(xùn)練可以通過(guò)輸入圖像來(lái)檢測(cè)圖中的目標(biāo)物體。 \\\"HG\\\"表示Hourglass網(wǎng)絡(luò)的縮寫(xiě)，\\\"Net\\\"表示網(wǎng)絡(luò)。這個(gè)模型的設(shè)計(jì)靈感來(lái)自于人類對(duì)目標(biāo)進(jìn)行檢測(cè)和定位的能力。它具有多個(gè)由ResNeSt模塊和Hourglass模

  2024年02月21日

  瀏覽(25)

• YoloV8改進(jìn)策略：FastVit與YoloV8完美融合，重參數(shù)重構(gòu)YoloV8網(wǎng)絡(luò)（全網(wǎng)首發(fā)）

  2023年10月31日

  瀏覽(54)
• 

  改進(jìn)YOLOv8 | 主干網(wǎng)絡(luò)篇 | YOLOv8 更換骨干網(wǎng)絡(luò)之 MobileNetV3 | 《搜尋 MobileNetV3》

  論文地址：https://arxiv.org/abs/1905.02244 代碼地址：https://github.com/xiaolai-sqlai/mobilenetv3 我們展示了基于互補(bǔ)搜索技術(shù)和新穎架構(gòu)設(shè)計(jì)相結(jié)合的下一代 MobileNets。MobileNetV3通過(guò)結(jié)合硬件感知網(wǎng)絡(luò)架構(gòu)搜索（NAS）和 NetAdapt算法對(duì)移動(dòng)設(shè)計(jì)如何協(xié)同工作，利用互補(bǔ)的方法來(lái)提高移動(dòng)端CP

  2024年02月02日

  瀏覽(29)

• YoloV8改進(jìn)策略：主干網(wǎng)絡(luò)改進(jìn)|MogaNet——高效的多階門控聚合網(wǎng)絡(luò)

  2024年02月21日

  瀏覽(95)