YoloV9改进策略:Block改进|PromptIR(NIPS‘2023)样|轻量高效,即插即用(适用于分类、分割、检测等多种场景)

本文介绍了如何使用PromptIR框架中的PGM模块改进YoloV9,通过动态生成输入条件化的提示以提高模型在分类、分割、检测等任务上的性能。PGM模块通过全局平均池化、通道降采样和注意力权重预测,实现了对输入内容敏感的提示生成,从而提升恢复网络的效果。
摘要由CSDN通过智能技术生成

摘要

本文使用PromptIR框架中的PGM模块来改进YoloV9。PGM(Prompt Generation Module)模块是PromptIR框架中的一个重要组成部分,主要负责生成输入条件化的提示(prompts)。这些提示是一组可学习的参数,它们与输入特征相互作用,以嵌入有关各种类型图像退化的信息。
在这里插入图片描述

PGM模块的核心功能是动态地从输入特征中预测基于注意力的权重,并将这些权重应用于提示组件以产生输入条件化的提示P。具体来说,PGM首先对输入特征进行全局平均池化操作,以生成一个特征向量v。然后,这个特征向量通过一个通道降采样卷积层,获得一个紧凑的特征向量,接着执行softmax操作,得到提示组件的权重w。最后,使用这些权重来调整提示组件,并通过一个3×3的卷积层来输出最终的提示P。
在这里插入图片描述

此外,为了使提示组件能够在不同分辨率的输入图像上工作,PGM还会对提示组件进

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

AI智韵

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