YOLOv5改进系列：DAMO-YOLO新型主干网络CReToNeXt结构助力涨点

最新推荐文章于 2024-10-11 17:24:24 发布
最新推荐文章于 2024-10-11 17:24:24 发布
阅读量221 收藏
点赞数 1
分类专栏： YOLOv5改进涨点专栏 文章标签： YOLO
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/ZzzzzKnight/article/details/137044384
版权
本文介绍了DAMO-YOLO在YOLO系列中的改进，包括采用MAE-NAS搜索优化网络结构，使用RepGFPN增强特征融合，应用ZeroHead节省计算资源，提出AlignedOTA解决错位问题，并通过知识蒸馏提升小模型性能。详细阐述了代码部署过程，如在models目录中的修改和yaml文件配置。
摘要由CSDN通过智能技术生成

一、论文理论

论文地址：DAMO-YOLO : A Report on Real-Time Object Detection Design

1.理论思想

2.创新点

使用了MAE-NAS作为骨干网络,可以自动搜索出不同延迟预算下的优化网络结构。

提出了高效的RepGFPN作为颈部,可以更好地融合不同尺度的语义和空间特征。

使用了ZeroHead,只保留每个损失函数对应的一个任务投影层,可以最大限度地节省计算开销。

提出了AlignedOTA标签分配方法,可以平衡分类和回归的重要性,部分解决目标检测中的错位问题。

引入了知识蒸馏技术,可以进一步提升小模型的性能

了解本专栏 订阅专栏 解锁全文
Dropout~~
关注
专栏目录
订阅专栏
DAMO-YOLO
Littro Innovations
05-23 250
在技术分析上，DAMO-YOLO的核心是对原YOLOv4进行了一系列优化，包括模型结构的调整和训练策略的更新。具体来说，DAMO-YOLO引入了一系列新技术，如基于NAS搜索的新检测backbone结构，更深的neck结构，精简的head结构，以及引入蒸馏技术实现效果的进一步提升。它构建了不同尺寸的模型以满足不同场景需求，如DAMO-YOLO-Tiny/Small/Medium等，这些模型在T4GPU上分别取得了43.06/46.8/50.0的mAP指标，同时推理速度也相应提升。
YOLOv7改进之主干DAMOYOLO结构，结合 CReToNeXt 结构，打造高性能检测器
qq_53545309的博客
10-03 217
在本报告中，我们提出了一种快速准确的对象检测方法，称为 DAMO-YOLO，它实现了比最先进的 YOLO 系列更高的性能。DAMO-YOLO 是从 YOLO 扩展而来的，具有一些新技术，包括神经架构搜索 （NAS）、高效的重新参数化广义 FPN （RepGFPN）、具有 AlignedOTA 标签分配的轻量级头和蒸馏增强。特别地，我们使用了 MAE-NAS，一种以最大熵原理为指导的方法，在低延迟和高性能的约束下搜索我们的检测骨干，生成具有空间金字塔池化和焦点模块的类 ResNet / CSP 结构。
阿里达摩院开源DAMO-YOLO：兼顾速度与精度的新目标检测框架
weixin_40920183的博客
11-29 1215
作者丨陈威华 阿里达摩院智能计算实验室编辑丨极市平台1.简介DAMO-YOLO是一个兼顾速度与精度的目标检测框架，其效果超越了目前的一众YOLO系列方法，在实现SOTA的同时，保持了很高的推理速度。DAMO-YOLO是在YOLO框架基础上引入了一系列新技术，对整个检测框架进行了大幅的修改。具体包括：基于NAS搜索的新检测backbone结构，更深的neck结构，精简的head结构，以及引入蒸馏技术...
【论文精读】DAMO-YOLO：兼顾速度与精度的高效目标检测框架（ A Report on Real-Time Object Detection Design）
慕溪同学的博客
03-28 3159
DAMO-YOLO是阿里巴巴达摩院在2022年提出的一种模型，这里建议大家可以直接看4.3部分的特征网络融合部分，该网络是在GFPN特征网络上进行改进的，因为GFPN有很多上采样操作并且并行化比较低，导致了Flops高效Latency低效；因为我使用该方法去替换了yolov5中Neck部分的PANet融合方法，确实有所涨点
Talk预告 | 阿里巴巴达摩院算法工程师许贤哲：DAMO-YOLO：兼顾速度与精度的高效目标检测框架
TechBeat人工智能社区博客
12-14 629
北京时间12月15日(周四) 20:00，准时开播！
DAMO-YOLO训练自己的数据集，使用onnxruntime推理部署
weixin_45921929的博客
09-10 1138
DAMO-YOLO训练自己的数据集，使用onnxruntime推理部署
训练DAMO-YOLO（damoyolo_tinynasL25_S.py）
孟孟单单的博客
01-14 1873
包的位置，其实就是代码写得有点奇怪然后没有找到路径。：会出现这报错，是因为程序没有根据找到。：会出现这个错，是因为在。右侧的base.py在。下，然后运行就可以了。
YOLOv5算法进阶改进（16）— 更换Neck网络之GFPN（源自DAMO-YOLO）
突然好想你
02-24 1254
GFPN（Global Feature Pyramid Network）是一种用于目标检测的神经网络架构，其核心思想是引入全局特征金字塔，通过多尺度的特征融合来提取更丰富的语义信息。本文所作的改进是将YOLOv5的Neck网络更换为GFPN。
YOLOv5改进有效涨点目录 | 包含卷积、主干、检测头、注意力机制、Neck上百种创新机制
Snu77的博客
01-07 2万+
Hello，各位读者们好本专栏自开设两个月以来已经更新改进教程60余篇其中包含C2f、主干、检测头、注意力机制、Neck多种结构上创新，也有损失函数和一些细节点上的创新。同时本人一些讲解视频和包含我所有创新的YOLOv8文档并不能在CSDN上传(所有的创新点都经过我的测试是可用的，得到该文件之后大家可以随意组合使用)，所以会建立群的形式在内上传我的文件和视频我也会在群内不定期和大家交流回答大家问题，同时定期会更新一些文章的创新点(经过我融合测试后的，先到先得)。本专栏持续更新网络上的所有前沿文章。
YOLOv8改进有效系列目录 | 包含卷积、主干、检测头、注意力机制、Neck上百种创新机制
热门推荐
Snu77的博客
12-30 11万+
Hello，各位读者们好，本专栏自开设两个月以来已经更新改进教程120+余篇其中包含C2f、主干、检测头、注意力机制、Neck多种结构上创新，也有损失函数和一些细节点上的创新，订阅本专栏以后你不仅可以收获跟专栏的阅读权限，同时可以进Qq群，里面包含集成我所有创新的YOLO最新目录，和我本人录制的视频讲解教程，如果你想要在YOLOv8系列收获一篇论文，我相信订阅本专栏后你一定会有所收获~YOLOv8改进有效系列目录。
YOLOv8有效改进系列及项目实战目录 包含卷积，主干 注意力，检测头等创新机制 以及 各种目标检测分割项目实战案例
专注于图像领域，主要研究内容包括计算机视觉和深度学习，特别是在图像分类、目标检测和图像生成等方面有深入的研究和实践经验。
05-06 3万+
大家好！欢迎阅读本专栏。本专栏涵盖了YOLO8中C2f、主干网络、检测头、注意力机制、Neck等多种结构的创新，同时也包括了 YOLO相关的基础知识以及相关项目。
阿里达摩院开源DAMO-YOLO
qq_34717531的博客
11-14 390
DAMO-YOLO是一个兼顾速度与精度的目标检测框架，其效果超越了目前的一众YOLO系列方法，在实现SOTA的同时，保持了很高的推理速度。DAMO-YOLO是在YOLO框架基础上引入了一系列新技术，对整个检测框架进行了大幅的修改。具体包括：基于NAS搜索的新检测backbone结构，更深的neck结构，精简的head结构，以及引入蒸馏技术实现效果的进一步提升。模型之外，DAMO-YOLO还提供高效的训练策略以及便捷易用的部署工具，能够快速解决工业落地中的实际问题！
DAMO-YOLO | 超越所有YOLO，5行代码即可体验
limingmin2020的博客
11-29 5072
DAMO-YOLO是阿里新推出来的目标检测框架，兼顾模型速度与精度，其效果超越了目前的一众 YOLO 系列方法，且推理速度更快。
DAMO-YOLO：一种平衡速度和准确性的新目标检测框架
weixin_42010722的博客
06-26 2331
DAMO-YOLO是一种考虑了速度和准确性的目标检测框架，其效果超越了当前的YOLO系列方法，并在保持高推理速度的同时实现了SOTA。DAMO-YOLO在YOLO框架的基础上引入了一系列新技术，并对整个检测框架进行了重要修改。具体来说，它包括基于NAS搜索的新的检测主干结构，更深的中间结构，简化的头部结构，以及引入蒸馏技术以进一步改善效果。除了模型之外，DAMO-YOLO还提供了高效的训练策略和方便易用的部署工具，帮助您快速解决工业领域的实际问题！
YOLO家族再度升级——阿里达摩院DAMO-YOLO重磅来袭
Together_CZ的博客
11-30 1498
YOLO家族再度升级——阿里达摩院DAMO-YOLO重磅来袭
DAMO-YOLO 论文学习
calvinpaean的博客
07-25 544
工业界追求高性能、低延迟的目标检测算法，研究人员于是聚焦于单阶段目标检测，探索高效的网络结构和训练策略。YOLOv5/v6/v7、YOLOX 和 PP-YOLOE 在 COCO 数据集上实现了不错的精度-速度平衡，得到广泛应用，但它们仍有提升空间。
YOLOv8改进 | 融合改进篇 | Damo-YOLO配合Dyhead检测头突破极限涨点(全网独家创新)
走向CTO的路上...
07-19 790
本篇介绍了一种Damo-YOLO配合Dyhead检测头的融合改进方法，可以显著提升YOLOv8模型在目标检测任务上的精度。本篇介绍了一种Damo-YOLO配合Dyhead的融合改进方法，该方法可以显著提升YOLOv8模型在目标检测任务上的精度。
DAMO-YOLO：一份关于实时目标检测设计的报告
最新发布
m0_47867638的博客
10-11 932
在本报告中，我们提出了一种快速且准确的目标检测方法，名为DAMO-YOLO，其性能优于最先进的YOLO系列。DAMO-YOLO在YOLO的基础上进行了一些新技术扩展，包括神经架构搜索（NAS）、高效的重新参数化的广义泛函网络（RepGFPN）、带有对齐OTA标签分配的轻量级头部以及蒸馏增强。特别是，我们使用基于最大熵原理的MAE-NAS方法，在低延迟和高性能的约束下搜索我们的检测骨干，生成具有空间金字塔池化和焦点模块的ResNet-like/CSP-like结构。
DAMO-YOLO踩坑记录
u012077914的博客
04-10 736
damo-yolo环境配置，单卡运行分布式训练，numpy库版本过新导致的运行错误，包路径无法索引，命令行输出格式错误。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值