论文阅读笔记 YOLO-Ship: A Visible Light Ship Detection Method

最新推荐文章于 2022-08-12 13:55:43 发布
最新推荐文章于 2022-08-12 13:55:43 发布
阅读量305 收藏 1
点赞数 1
文章标签： 深度学习 计算机视觉 目标检测
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/dream_passionately/article/details/123096257
版权

基于yolov5做的改进

改进点1：MixConv 也就是不使用单一尺寸卷积核的卷积，而是是用不同尺寸卷积核组合的形式

文中使用的是1x1和3x3的卷积组合

改进点2：
coordinated attention(CA)

将CA模块加在了yolov5中每个CSP模块的前面

改进点3：将yolov5中GIOU_loss换为CIOU_loss

改进点3：使用focal loss

dream_passionately
关注
  • 1
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
ship detection
03-22
GF3 SS模式船只识别，使用卷积神经网络
项目：基于yolov5的舰船检测+pycharm+机器学习+图像检测
qq_43029779的博客
01-24 7429
基于yolov5的海洋目标检测
航拍船只检测数据集，yolo数据集格式
08-24
船只图片数据集，可直接进行目标检测模型训练
船只检测数据集，包含VOC和YOLO数据格式
12-01
船只检测数据集，收集包含5000+正面和侧面船只图片，可直接用于训练船只检测
Enhanced Feature Extraction for Ship Detection from Multi-Resolution and Multi-Scene SAR Images
qq_31510081的博客
05-07 312
于2019年11月18日发表于remote sensing上 Abstract:提出传统方法的缺点： 然后是deep learning algorithms的缺点 本文的目的：In order to enhance the feature extraction ability of the network, 方法： 对SAR图像进行多级解析优化，处理杂波和旁瓣，增强对SAR图像特征的分辨能力...
YOLO-Former：YOLO与ViT握手
最新发布
04-11
所提出的YOLO-Former方法将Transformer和YOLOv4的思想无缝集成，创建了一个高精度、高效率的目标检测系统。该方法利用了 YOLOv4 的快速推理速度，并通过集成卷积注意力和 transformer 模块，融合了 transformer 架构...
YOLO-Nano:新版YOLO-Nano
03-07
YOLO-Nano 受NanoDet启发的新版YOLO-Nano。 在这个项目中，您可以享受： YOLO-Nano的其他版本网络这与PyTorch构建的YOLO-Nano不同： 骨干网：ShuffleNet-v2 颈部：非常轻巧的FPN + PAN火车批量大小：32 基础LR：1E-3...
yolo-pet:yolo实时宠物检测和识别
05-12
YOLO宠物YOLO实时宠物检测和识别用于使用或测试从我们的下载经过训练的体重文件，或者自己进行训练。 克隆项目git clone https://github.com/pjreddie/darknet cd darknet 修改yolo源代码vim examples/yolo.c 创建一...
YOLO-World：实时开放词汇对象检测
04-11
为了解决这一局限性，我们引入了 YOLO-World，这是一种创新方法，通过视觉语言建模和大规模数据集的预训练，增强了 YOLO 的开放词汇检测功能。具体而言，我们提出了一种新的可重新参数化的视觉-语言路径聚合网络...
YOLO-Fastest:YOLO_最快通过pytorch实现
04-19
本项目“YOLO-Fastest”显然是针对YOLO系列的优化，特别强调速度，通过PyTorch框架来实现。 PyTorch是Facebook开源的一种深度学习框架，以其易用性、灵活性和强大的动态计算图特性而受到广大开发者喜爱。将YOLO模型...
《MixConv--混合的深度卷积核》论文阅读笔记
JR_Chan的博客
09-11 2367
MixNet  这篇文章来自谷歌大脑，是最近（19年7月）刚挂出来的，然后应该是发表在了BMVC 2019上。原文可见MixConv: Mixed Depthwise Convolutional Kernels。 摘要  深度卷积在现代高效卷积神经网络中越来越受欢迎，但其核大小却常常被忽略。在本文中，我们系统地研究了不同核大小的影响，并观察到将不同尺寸核的优点结合起来可以获得更好的精度和效率。在...
【论文复现】MixConv（2019）
qq_38253797的博客
07-13 1339
目录前言一、背景二、MixConv2.1、数学描述2.2、图解2.3、设计MixConv的几个关键点三、Pytorch实现 前言 论文地址：https://arxiv.org/abs/1907.09595. 源码： https://github.com/tensorflow/tpu/tree/master/models/official/mnasnet/mixnet. 创新： 提出MixConv（Mixed Depthwise Conv Kernels），混合的深度卷积核。就是使用不同大小的卷积核对深度卷.
目标检测 YOLOv5 自定义网络结构
热门推荐
flyfish
05-26 1万+
目标检测 YOLOv5 自定义网络结构（YOLOv5-ShuffleNetV2） flyfish 版本：YOLOv5:v5 具体已经借鉴的自定义网络结构包括 YOLOv5-MobileNetV3 MobileNetV3 Large MobileNetV3 Small YOLOv5-ShuffleNetV2 ShuffleNetV2 ShuffleNetV2-Focus ShuffleNetV2-stem（Pelee的stem模块） 源码下载地址 在训练时可以使用命令 python train.
YOLOv4的Tricks解读一 --- 多图融合的数据增强（MixUp/CutMix/Mosaic）
梦坠凡尘
05-19 1万+
目录数据增强MixUpCutMix==Mosaic==正则化DropOut==DropBlock== YOLOv4中红涉及到了一推的trick，可以说是目标检测的trick字典，而YOLOv4是精挑细选了一些Trick才使YOLOv4在速度和准确度上相比YOLOv3有了更大的提升。 本文就YOLOv4中涉及和采用的部分tricks进行总结和学习。（注：标题标红的trick为YOLOv4所采用） YOLOv4 = CSPDarknet53 + SPP + PAN + YOLOv3 而YOLOv4采用的tric
yolov5训练 SeaShip7000
Eagle的博客
12-30 2790
1.数据集制作 1.1 转换格式 由于SeaShip数据集的格式不是标准的voc格式需要转换一下： voc_seaship.py import xml.etree.ElementTree as ET import pickle import os from os import listdir, getcwd from os.path import join sets=[('SeaShip', 'train'), ('SeaShip', 'val')] classes = ["ore carrier"
kaggle Airbus Ship Detection Challenge coco数据集转voc(xml)格式
weixin_44796129的博客
05-02 2280
本文是kaggle_ship数据集转化为coco格式的基础上将其转化为适合yolo训练的voc格式。 kaggle Airbus Ship Detection Challenge 训练集下载：https://blog.csdn.net/weixin_42880443/article/details/82015347 kaggle Airbus Ship Detection Challenge 训练...
20211001:Trick篇-MixConv
微风❤水墨
09-30 298
论文：MixConv: Mixed Depthwise Convolutional Kernels 论文： https://arxiv.org/abs/1907.09595 代码：https://github.com/linksense/MixNet-PyTorch[非官方] 代码：https://github.com/leaderj1001/Mixed-Depthwise-Convolutional-Kernels[非官方] Trick: 谷歌出品，轻量化网络，值得学习借鉴 要点记录： ...
MixConv：来自Google Brain的混合Depthwise卷积核
AI蜗牛车
09-15 485
作者：Shreejal Trivedi编译：ronghuaiyang转载：AI公园导读带你理解Google开发的一种depthwise卷积的新范式。卷积神经网络是一种复杂的计算模型。模型...
改进YOLOv5系列：8.增加ACmix结构的修改,自注意力和卷积集成
包括YOLOv5、YOLOv7、YOLOv8等模型改进
08-12 1万+
当YOLO遇见ACmix结构，自注意力和卷积集成，Self-Attention和Convolution的融合，高效涨点
YOLO-World：开启实时开放词汇对象检测新时代
"YOLO-World：实时开放词汇对象检测，通过视觉语言建模和大规模数据集预训练增强YOLO的开放词汇检测能力，提出可重新参数化的视觉-语言路径聚合网络（RepVL-PAN）和区域-文本对比损失，实现高效率、高准确性的对象...
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