YOLOV5/YOLOV7/YOLOV8改进：用于低分辨率图像和小物体的新 CNN 模块SPD-Conv

1.该文章属于YOLOV5/YOLOV7/YOLOV8改进专栏，包含大量的改进方式，主要以2023年的最新文章和2022年的文章提出改进方式。
2.提供更加详细的改进方法，如将注意力机制添加到网络的不同位置，便于做实验，也可以当做论文的创新点。

3.涨点效果：SPD-Conv提升小目标识别,实现有效涨点！

目录

YOLOV5改进步骤：

1.步骤一

2.步骤二

3.yaml文件

YOLOV8改进步骤：

1.步骤一

2.步骤二

3.yaml文件

YOLOV7改进步骤：

2.步骤二

3.yaml文件

---

论文链接

卷积神经网络(cnn)在图像分类等许多计算机视觉任务中取得了巨大的成功以及目标检测。然而，它们的性能迅速下降当图像分辨率低或物体很小时，更困难的任务。在在本文中，我们指出这源于现有CNN架构中有缺陷但常见的设计，即使用跨行卷积和/或池化层，这会导致细粒度信息的丢失学习不太