加勒比海带66——【YOLO魔法搭配&论文投稿咨询】

💡💡魔法搭配计算机视觉领域各类创新新颖且行之有效的网络结构，平均精度均值mAP涨点明显，实验效果也俱佳。有需要的小伙伴可以在CSDN/QQ后台留言+点赞收藏喔！！！👍👍👍🔥🔥🔥​

目标检测算法——YOLOv5/YOLOv7改进之结合涨点ASFF_Detect（自适应空间特征融合）。🚀🚀🚀NEW！！！魔改YOLOv5/YOLOv7目标检测算法来啦 ~💡💡魔法搭配计算机视觉领域各类创新新颖且行之有效的网络结构，平均精度均值mAP涨点明显，实验效果也俱佳。有需要的小伙伴可以在CSDN后台留言+点赞收藏喔！！！👍👍👍🔥🔥🔥

目标检测算法——YOLOv5/YOLOv7改进之结合SPD-Conv（低分辨率图像和小目标涨点明显）。作者提出了一种新的CNN模块，称为SPD-Conv，以取代每个strided convolution和每个池化层(从而完全消除了它们)。SPD-Conv由 space-to-depth (SPD)层和non-strided convolution(Conv)层组成，可以应用于大多数CNN架构。

目标检测算法——YOLOv5/YOLOv7改进之结合​RepVGG（速度飙升）。在ImageNet上，据我们所知，RepVGG的top-1准确性达到80％以上，这是老模型首次实现该精度。 在NVIDIA 1080Ti GPU上，RepVGG模型的运行速度比ResNet-50快83％，比ResNet-101快101％，并且具有更高的精度，与诸如EfficientNet和RegNet的最新模型相比，RepVGG显示出良好的精度-速度权衡。效果对比如下图所示。

论文投稿指南——SCI投稿各阶段邮件模板，深度学习Tricks，第一时间送达。

准研究生们真的建议你们早点发小论文！！！

首先我不是什么学术大神，刚投稿就能中IF3＋的三区期刊，因为是新手，选题和选刊都以“稳妥”为原则，严格听取了学神和师兄师姐的意见和建议。对于小白，文章的“创新性”有时候难以把控，建议多多和各位前辈及网友沟通。投稿后的每个状态都会让我紧张，大修小修都很焦虑，但见刊检索的那一刻，感觉什么都值了！！！选刊因为偏向计算机方向，所以相对来说比较轻松，对影响因子和分区的追求也不高，所以选刊的也没走什么弯路。当时用了些选刊工具，感觉节约了很多时间。