- 博客(5)
- 收藏
- 关注
原创 RT-DETR改进|爆改模型|涨点|在AIFI和CCFM之间加入I2U-Net中的HIFA模块(附代码+修改教程)
本文修改的模型是RT-DETR,在原本的RT-DETR中,CCFM的多尺度输入为AIFI及骨干网络的输出。本文在RT-DETR的CCFM模块输入的三个层级特征图之前使用I2U-Net的HIFA以提升模型的特征融合能力。I2U-Net是一种一种新颖的双路径 U-Net,其中提出了一种全面信息融合和增强模块(HIFA),可以有效地连接编码器和解码器。
2024-10-01 00:05:42 274
原创 使用pycocotools打印各个类别的AP值及IOU=0.5时的APS、APM及APL
是用于处理 COCO 数据集的 Python 工具包,提供数据加载、评估工具和可视化功能。它简化了目标检测和图像分割任务,比如计算检测精度、召回率和 IOU(Intersection over Union)。安装pycocotools。
2024-09-26 17:30:22 338
原创 Deformable DETR改进|爆改模型|涨点|在骨干网络和可变形编码器间加入EfficientDet中的BiFPN颈部网络(附代码+修改教程)
本文修改的模型是Deformable-DETR,在原本的Deformable DETR中,骨干网络的输出通过卷积层后直接作为可变形编码器的输入,无颈部网络。本文在Deformable DETR的骨干网络和可变形编码器之间加入EfficientDet中的BiFPN作为颈部网络,提升模型的特征融合能力。
2024-09-26 15:06:15 604
原创 Deformable DETR改进|爆改模型|在可变形编解码器之间加入RT-DETR中的CCFM模块(附代码+修改教程)
本文修改的模型是Deformable-DETR,修改的位置是在可变形编码器和可变形解码器之间,在可变形编码器和可变形解码器之间加入RT-DERT中的CCFM模块,CCFM模块的输入为可变形编码器的最高层级特征图以及backbone的输出。CCFM模块可以提升模型的特征融合能力。
2024-09-24 12:45:37 554
原创 Deformable DETR改进|爆改模型|在可变形编解码器之间加入空洞卷积金字塔和注意力(附代码+修改教程)
本文修改的模型是Deformable-DETR,修改的位置是在可变形编码器和可变形解码器之间,在底层特征图中加入空洞卷积金字塔(ASPP)和注意力机制(ECA),提升模型对小物体的目标检测能力。
2024-09-23 20:37:47 367
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人