目录
2.yolov5加入ConvNeXt,大幅度提升小目标检测性能
🏆🏆🏆🏆🏆🏆🏆Yolov5/Yolov7魔术师🏆🏆🏆🏆🏆🏆🏆
🌟🌟🌟魔改网络和复现cvpr等前沿论文,组合优化
🚀🚀🚀在多个数据集进行验证mAP涨点明显,尤其是小目标、遮挡物精度提升明显;
1.ConvNeXt 简介
《A ConvNet for the 2020s》
论文地址:https://arxiv.org/abs/2201.03545
pytorch代码:GitHub - facebookresearch/ConvNeXt: Code release for ConvNeXt model
ConvNeXts完全由标准ConvNet模块构建,在精度和可扩展性方面与transformer竞争,实现了87.8%的ImageNet top-1精度,在COCO检测和ADE20K分割方面优于Swin transformer,同时保持了标准ConvNets的简单性和效率。