相關(guān)文章

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

  2024年02月21日

  瀏覽(95)

• 改進YOLOv8 | 主干網(wǎng)絡(luò)篇 | YOLOv8采用FasterNet提升計算機視覺速度

  深度學(xué)習(xí)在計算機視覺領(lǐng)域的應(yīng)用越來越廣泛，而目標檢測是其中非常重要的一個任務(wù)。YOLOv8作為一種先進的目標檢測算法，以其快速和準確的特性而備受關(guān)注。然而，為了進一步提升YOLOv8的性能和速度，我們可以通過更換主干網(wǎng)絡(luò)來達到這個目標。本文將介紹一種名為Fas

  2024年01月23日

  瀏覽(30)
• 

  改進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搜索技術(shù)和新穎架構(gòu)設(shè)計相結(jié)合的下一代 MobileNets。MobileNetV3通過結(jié)合硬件感知網(wǎng)絡(luò)架構(gòu)搜索（NAS）和 NetAdapt算法對移動設(shè)計如何協(xié)同工作，利用互補的方法來提高移動端CP

  2024年02月02日

  瀏覽(29)
• 

  YOLOv8改進 | 主干篇 | 華為移動端模型Ghostnetv1改進特征提取網(wǎng)絡(luò)

  本文給大家?guī)淼母倪M機制是華為移動端模型 Ghostnetv1 ，華為的 GhostNet 是一種輕量級卷積神經(jīng)網(wǎng)絡(luò)，旨在在計算資源有限的嵌入式設(shè)備上實現(xiàn)高性能的圖像分類。 GhostNet的關(guān)鍵思想 在于通過引入Ghost模塊，以較低的計算成本增加了特征圖的數(shù)量，從而提高了模型的性能。這種

  2024年01月19日

  瀏覽(23)

• YOLOv8改進 | 主干篇 | 低照度增強網(wǎng)絡(luò)PE-YOLO改進主干（改進暗光條件下的物體檢測模型）

  本文給大家?guī)淼母倪M機制是低照度圖像增強網(wǎng)絡(luò) PE-YOLO 中的PENet，PENet通過 拉普拉斯金字塔 將圖像分解成多個分辨率的組件，增強圖像細節(jié)和低頻信息。它包括一個 細節(jié)處理模塊（DPM） ，用于通過上下文分支和邊緣分支增強圖像細節(jié)，以及一個 低頻增強濾波器（LEF） ，以

  2024年01月19日

  瀏覽(28)
• 

  改進YOLOv8 | 主干網(wǎng)絡(luò)篇 | YOLOv8 更換骨干網(wǎng)絡(luò)之 SwinTransformer | 《基于位移窗口的層次化視覺變換器》

  論文地址：https://arxiv.org/pdf/2103.14030.pdf 代碼地址：https://github.com/microsoft/Swin-Transformer 本文介紹了一種新的視覺 Transformer ，稱為 Swin Transformer ，它可以作為計算機視覺通用的骨干網(wǎng)絡(luò)。從語言到視覺的轉(zhuǎn)換中，適應(yīng) Transformer 所面臨的挑戰(zhàn)源于兩個領(lǐng)域之間的差異，如視覺實體

  2024年02月06日

  瀏覽(26)

• YOLOv8改進 | 檢測頭篇 | 利用DySnakeConv改進檢測頭專用于分割的檢測頭（全網(wǎng)獨家首發(fā)，Seg）

  本文給大家?guī)淼母倪M機制是一種我進行優(yōu)化的專用于分割的檢測頭，在分割的過程中，最困難的無非就是邊緣的檢測， 動態(tài)蛇形卷積 （Dynamic Snake Convolution）通過自適應(yīng)地聚焦于細長和迂回的局部結(jié)構(gòu)，準確地捕捉管狀結(jié)構(gòu)的特征。這種卷積方法的核心思想是， 通過動態(tài)形

  2024年02月02日

  瀏覽(25)
• 

  主干網(wǎng)絡(luò)篇 | YOLOv8改進之用RCS-OSA替換C2f（來源于RCS-YOLO）

  前言： Hello大家好，我是小哥談。 RCS-YOLO是一種目標檢測算法，它是基于YOLOv3算法的改進版本。通過查看RCS-YOLO的整體架構(gòu)可知，其中包括RCS-OSA模塊。RCS-OSA模塊在模型中用于堆疊RCS模塊，以確保特征的復(fù)用并加強不同層之間的信息流動。本文就給大家詳細介紹如何將RCS-YOLO算

  2024年04月10日

  瀏覽(48)

• YOLOv8芒果獨家首發(fā) | 改進新主干：改進版目標檢測新范式骨干PPHGNetv2，百度出品，提升YOLOv8檢測能力

  ?? 本篇內(nèi)容 ：YOLOv8改進新主干：目標檢測新范式骨干PPHGNetv2改進版，百度出品，提升YOLOv8檢測能力 ????????本博客 改進源代碼改進 適用于 YOLOv8 按步驟操作運行改進后的代碼即可 ??本文提出改進 原創(chuàng) 方式：二次創(chuàng)新，YOLOv8專屬，充分結(jié)合YOLOv8和 PPHGNetv2網(wǎng)絡(luò) 本改進結(jié)

  2024年02月06日

  瀏覽(28)
• 

  YOLOv8改進 | 檢測頭篇 | 利用DBB重參數(shù)化模塊魔改檢測頭實現(xiàn)暴力漲點 (支持檢測、分割、關(guān)鍵點檢測)

  本文給大家?guī)淼母倪M機制是 二次創(chuàng)新 的機制，二次創(chuàng)新是我們發(fā)表論文中關(guān)鍵的一環(huán)，本文給大家?guī)淼亩蝿?chuàng)新機制是通過 DiverseBranchBlock(DBB) 模塊來改進我們的檢測頭形成一個新的檢測頭Detect_DBB，其中DBB是一種重參數(shù)化模塊，其訓(xùn)練時采用復(fù)雜結(jié)構(gòu)，推理時使用單分支

  2024年01月16日

  瀏覽(69)