【YOLO】添加注意力机制(SE、CBAM、ECA、CA)

本文介绍了如何在YOLO目标检测中添加注意力机制,包括SE(挤压和激励)、CBAM(通道和空间注意力)、ECA(高效通道注意力)和CA(坐标注意力)。通过这些机制,可以提升模型对关键特征的关注,提高检测精度。
摘要由CSDN通过智能技术生成

YOLO添加注意力机制(SE、CBAM、ECA、CA)

上一章 【YOLO】自定义训练数据集



前言

注意力机制(attention mechanism)受人类视觉机制的研究,让网络学习更关注的特征。注意力机制主要有:自注意力(self-attention)、软注意力(soft-attention)、硬注意力(hard-attention)。其已经广泛应用于分类、检测、分割等任务。


一、SE(SENet)

1.1 原理

论文地址:https://arxiv.org/pdf/1709.01507.pdf
github地址:https://github.com/hujie-frank/SENet
卷积神经网络 (CNN) 的核心构建块是卷积算子

  • 0
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

打赏作者

IDONTCARE8

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
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