涨点神器：Yolov5/Yolov7引入CVPR2023 InternImage：注入新机制，扩展DCNv3，助力涨点，COCO新纪录65.4mAP！

已于 2023-09-16 20:50:22 修改
阅读量3.8k 收藏 11
点赞数 1
分类专栏： YOLOv5/YOLOv7魔术师 YOLOv5/YOLOv7/YOLOv8最新改进大作战 文章标签： YOLO 深度学习 人工智能 python
于 2023-04-17 17:54:15 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_63774211/article/details/130204424
版权
YOLOv5/YOLOv7魔术师 同时被 2 个专栏收录
110 篇文章 170 订阅 ¥119.90 ¥299.90
订阅专栏
YOLOv5/YOLOv7/YOLOv8最新改进大作战
102 篇文章 44 订阅 ¥299.90 ¥399.90
订阅专栏
本文介绍了如何将DCNV3和InternImage结合应用于Yolov5，通过修改网络结构和编译新模块，显著提高了小目标和遮挡物的检测精度，实现在多个数据集上的mAP增益，特别是在COCO test-dev上创下了65.4mAP的新纪录。
摘要由CSDN通过智能技术生成

🏆🏆🏆🏆🏆🏆🏆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.InternImage介绍

论文：https://arxiv.org/abs/2211.05778

代码：

了解本专栏 订阅专栏 解锁全文
AI小怪兽
关注
专栏目录
订阅专栏
YOLOv8全网独家改进: 卷积魔改 | 变形条状卷积，魔改DCNv3二次创新
04-09 1433
变形条状卷积，DCNv3改进版本，小幅涨点的前提下相比较DCNv3大幅度运算速度
优化改进YOLOv5算法之添加DCNv3模块，有效提升目标检测效果
qq_40716944的博客
11-05 1773
拿到文章之后先看了一眼在ImageNet1k上的结果，确实很高，超越了同等大小下的VAN、RepLKNet、ConvNext等先进的大核注意力CNN模型，同时也超过了Swin、DeiT3、CoAtNet等ViT模型。回顾自从Vision Transformer被提出之后，通过大量数据训练出的ViT大模型刷新了许多视觉任务的记录，这得益于ViT的MHSA机制能够建模长距离依赖，具有相当低的归纳偏置，从而能够在海量数据中学习到强大鲁棒的特征表达。
YOLOv5 不能直接训练 COCO 格式的 JSON 标签数据，必须将其转换为 YOLO 格式。
最新发布
weixin_52236586的博客
07-23 145
YOLOv5 不能直接训练 COCO 格式的 JSON 标签数据，必须将其转换为 YOLO 格式。
涨点优化：基于Yolov5的红外小目标性能提升，多种网络结构组合DCNV3、CARAFE、多头检测器等
05-26 2907
通过加入DCNV3+CARAFE+smallobject 的思路提升红外小目标检测能力
YOLOv7改进：引入CVPR2023最新之作：Pconv，实现有效涨点
热门推荐
m0_51530640的博客
03-13 1万+
为了设计快速神经网络，许多工作都集中在减少浮点运算（FLOP）的数量上。然而，我们观察到FLOP的这种减少不一定会导致延迟的类似程度的减少。这主要源于每秒低浮点运算（FLOPS）效率低下。为了实现更快的网络，我们重新访问了流行的运算符，并证明了如此低的FLOPS主要是由于运算符的频繁内存访问，尤其是深度卷积。因此，我们提出了一种新的部分卷积（PConv），通过同时减少冗余计算和内存访问，可以更有效地提取空间特征。
YOLOv5改进 | Conv篇 | 利用DCNv3卷积优化C3 | 无需编译Windows完美运行（附代码 + 修改教程）
Snu77的博客
02-07 1713
到此本文的正式分享内容就结束了，在这里给大家推荐我的YOLOv5改进有效涨点专栏，本专栏目前为新开的平均质量分98分，后期我会根据各种最新的前沿顶会进行论文复现，也会对一些老的改进机制进行补充，如果大家觉得本文帮助到你了，订阅本专栏，关注后续更多的更新~YOLOv5改进专栏——持续复现各种顶会内容——内含100+创新。
YOLOv7改进：新机制，扩展DCNv3，基于DCNv2优化 | CVPR2023 InternImage
10-18 929
DCNv3优势：1）共享投射权重；2）引入多组机制；3）采样点调制标量归一化；
涨点神器：Yolov8引入CVPR2023 InternImage：注入新机制，扩展DCNv3，助力涨点，COCO新纪录65.4mAP！
04-18 6226
目标检测和语义分割基准的大量实验验证了InternImage-DCNV3可以获得与经过大量数据训练的精心设计的大规模视觉转换器相当或更好的性能，这表明CNN也是大规模视觉基础模型研究的一个相当大的选择。Yolov8引入CVPR2023 InternImage：注入新机制，扩展DCNv3，助力涨点，COCO新纪录65.4mAP！ 2）BiLevelRoutingAttention结合，进一步涨点；
涨点技巧：Yolov5/Yolov7引入CVPR2023 Demystify Transformers & Convolutions ，提升小目标检测精度
04-13 1399
特征转换模块（例如注意力或卷积）之间的主要区别在于空间特征聚合的方式，即所谓的“空间标记混合器”（STM）。因此制定了一个统一的架构来消除不同工程技术的不公平影响，最终引入到Yolov5/Yolov7
涨点神器：Yolov5/Yolov7加入ConvNeXt提升小目标检测能力，适用yolo各个系列
03-15 2598
1）涨点神器：Yolov5 加入ConvNeXt提升小目标检测能力，适用yolo各个系列 2）ConvNeXt+ODConv结合，博主在不同数据集下进行验证，强烈推荐使用，涨点明显
DCNV3编译环境，包括整个yolo环境
05-11
用于运行DCNV3的环境，可在yolov5、yolov7、yolov8下直接使用
涨点神器：Yolov5/Yolov7 加入ODConv提升小目标检测能力，适用yolo各个系列
03-15 3567
涨点神器结合，助力YOLO：ICLR 2022涨点神器——即插即用的动态卷积ODConv 论文：Omni-Dimensional Dynamic Convolution
Yolov8实战：交通信号roadsign识别，通过加入CVPR203 DCNV3和BiLevelRoutingAttention，暴力涨点
05-05 1934
yolov8创新组合：通过加入cvpr2023中的DCNV3和BiLevelRoutingAttention来提升检测精度，最终map从0.841提升至0.903
芒果YOLOv7改进09：主干篇：首发改进最新CVPR2023主干FasterNet系列：超强！实测降低参数量的同时mAP有效涨点｜为更快的神经网络追求更高的 FLOPS，参数量下降、FPS提高
包括YOLOv5、YOLOv7、YOLOv8等模型改进
03-09 6230
YOLOv7代码实践｜为更快的神经网络追求更高的 FLOPS，参数量计算量下降、FPS提高
YOLOV5改进（DCN）
eagleflying_cau的博客
06-07 993
（False,True,True,True）可以看出其对DCN的使用和PP-YOLO类似就是后面三个卷积替换成DCN。（3）更换.yaml中backbone的C3。（四个block替换后三个block）（2）在models/yolo.py中的解析模型中增加C3_DCN。（1）将下方代码复制到models/commen.py中。（2）Cascade-RCNN中对DCN的使用。（1）PP-YOLO使用DCN的方法。可以看出只是将最后一层卷积换成DCN。（3）为什么要使用可变形卷积。
芒果YOLOv7改进61：主干篇：改进DCNv3结构：即插即用｜使用纯pytorch代码实现，不需要CUDA编译，并针对YOLOv7专门优化模块，基于可变形卷积的超强变种
包括YOLOv5、YOLOv7、YOLOv8等模型改进
03-10 264
YOLOv7二次改进DCNv3结构：即插即用｜使用纯pytorch代码实现，不需要CUDA编译
YOLOv5改进 | 二次创新篇 | 升级版本Dyhead检测头替换DCNv3 实现完美升级(全网独家首发)
Snu77的博客
01-18 1102
本文给大家带来的改进机制是在上替换DCNv3模块，其中DynamicHead的核心为DCNv2，但是今年新更新了DCNv3其作为v2的升级版效果肯定是更好的，所以我将其中的核心机制替换为DCNv3给Dyhead相当于做了一个升级，效果也比之前的普通版本要好，这个机制我认为是我个人融合的算是，先用先得全网无第二份此改进机制，同时我发布的一比一复现版本Dyhead也是收获了多个读者的反馈均有涨点效果，本文的DCNv3在我的数据上成功涨了四五个点，大家可以尝试效果比基础版本的Dyhead更好，
YOLOV7改进-最新的可变形卷积V3
毕竟是Shy哥
09-07 1068
9、修改配置文件，一般来说放在主干上面，去替换主干上面的3x3卷积，一般从后往前替换。15在yolov7测试和detect里里，要开启这个，为true。5、原文也是没接激活函数的，但是按照yolo格式来说，会接一个。4、源文件用的是LN，由于这里用的都是LN，所以也改了。1、先编译这个文件，放到models文件夹下，再编译。7、ＤCNv3只在gpu上运行，所以下半部分要改。14、DCN一般加在主干多，后面不怎么加。13、这里组参数设为16，往前除以2。12、可以删掉d，没有空洞的参数。
yolov5涨点神器
08-30
- *1* *3* [Yolov5涨点神器：RIFormerBlock助力检测｜CVPR2023｜RIFormer：无需TokenMixer也能达成SOTA性能的极简ViT...](https://blog.csdn.net/m0_63774211/article/details/131106392)[target="_blank" data-...
评论 5
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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小怪兽

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

实付元
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