YOLOv8独家原创改进：原创自研 | 创新自研CPMS注意力，多尺度通道注意力具+多尺度深度可分离卷积空间注意力，全面升级CBAM

已于 2024-01-26 09:07:20 修改
阅读量2.4k 收藏 20
点赞数 25
分类专栏： YOLOv8原创自研 文章标签： YOLO 机器学习 人工智能 深度学习 cnn
于 2023-12-04 13:02:43 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/134689154
版权
YOLOv8原创自研 专栏收录该内容
112 篇文章 104 订阅 ¥299.90 ¥399.90
订阅专栏
本文介绍了对YOLOv8的原创改进，提出了自研的CPMS注意力模块，融合多尺度通道注意力和多尺度深度可分离卷积空间注意力，全面升级了CBAM。实验证明，CPMS在道路缺陷检测任务中显著提高了模型性能，相较于CBAM有明显提升。
摘要由CSDN通过智能技术生成

💡💡💡本文自研创新改进：自研CPMS, 多尺度通道注意力具+多尺度深度可分离卷积空间注意力,全面升级CBAM

 1）作为注意力CPMS使用；

推荐指数：五星

CPMS |   亲测在多个数据集能够实现涨点，对标CBAM。

在道路缺陷检测任务中，原始map为0.8，cbam为0.822  ，CPMS  为  0.874

 

收录

YOLOv8原创自研

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
YOLOv5独家原创改进：原创自研 | 自研独家创新MSAM注意力，通道注意力升级，魔改CBAM
11-29 2256
MSAM（CBAM升级版）：通道注意力具备多尺度性能，多分支深度卷积更好的提取多尺度特征，最后高效结合空间注意力
YOLOv8优化：注意力系列篇 | 全局注意力机制（GAM），CBAM升级版
热门推荐
会AI的学姐
10-26 1万+
GAM注意力，引入到YOLOv8，多种实现方式
YOLOv7独家原创改进：原创自研 | 创新自研CPMS注意力，多尺度通道注意力具+多尺度深度可分离卷积空间注意力，全面升级CBAM
12-04 1617
自研CPMS,多尺度通道注意力具+多尺度深度可分离卷积空间注意力,全面升级CBAM
YOLOv5独家原创改进：原创自研 | 创新自研CPMS注意力，多尺度通道注意力具+多尺度深度可分离卷积空间注意力，全面升级CBAM
12-04 1752
本文自研创新改进：自研CPMS,多尺度通道注意力具+多尺度深度可分离卷积空间注意力,全面升级CBAM
《YOLOv8原创自研》专栏介绍 & CSDN独家改进创新实战&专栏目录
12-02 7201
全网独家首发创新（原创），适合paper ！！！
《YOLOv7原创自研》专栏介绍 & CSDN独家改进创新实战&专栏目录
12-02 2101
全网独家首发创新（原创），适合paper ！！！
基于YOLOv8的工业油污缺陷检测，多种优化方法---自研注意力CPMS基于CBAM优化， mAP@0.5提升近五个点（二）
02-01 759
加入CPMS mAP@0.5由原始的0.648提升至0.699
基于YOLOv8的水下生物检测，多种优化方法---创新自研CPMS注意力（CBAM升级版）助力涨点（三）
02-02 2468
加入自研注意力CPMS注意力 mAP@0.5由原始的0.522提升至0.534
YOLOv8/v7/v5全网首发原创独家创新，内涵CBAM注意力改进、ECA改进，SPPF改进等
01-09 3761
全网独家首发创新（原创），纯自研模块，适合paper ！！！内涵CBAM注意力改进、ECA改进，SPPF改进等
YOLOv9改进，YOLOv9主干网络替换为PP-LCNetV2(百度飞浆视觉团队自研，轻量化架构)，全网独发
weixin_44779079的博客
09-27 314
PP-LCNetV2模型结构如下：在PP-LCNetV1基础上重参数化策略组合了不同大小卷积核的深度卷积，并优化了点卷积、Shortcut等。
YOLOv7改进之MAE主干： 超强ConvNeXtV2 升级版结构，当MAE+YOLO卷积高效涨点
qq_53545309的博客
09-27 141
在改进的架构和更好的表示学习框架的推动下，视觉识别领域在 2020 年代初期实现了快速的现代化和性能提升。例如，以 ConvNeXt [52] 为代表的现代 ConvNet 在各种场景中都表现出了强大的性能。虽然这些模型最初是为使用 ImageNet 标签的监督学习而设计的，但它们也有可能受益于自我监督学习技术，例如掩码自动编码器 （MAE） [31]。然而，我们发现，简单地将这两个 ap proaches 结合起来会导致性能不佳。
yolo自动化项目实例解析（七）自建UI--工具栏选项
默子昂
09-29 1138
vi state.py 2、保存窗口配置 3、获取工作栏动作 5、保存 setting.ini datas/Task/细节参数.ini 3、添加菜单 4、添加函数 5、读取任务包目录下的子目录配置文件 6、添加任务包配置 datas/Task/Py任务模板/jiaoben.ini datas/Task/Py任务模板/参数.ini 8、按键函数
YOLOv8改进 - 注意力篇 - 引入SK网络注意力机制
浪子L的博客
09-26 1177
YOLOv8改进 - 注意力篇 - 引入SK网络注意力机制
【YOLO目标检测行人与车数据集】共5607张、已标注txt格式、有训练好的yolov5的模型
最新发布
LINBONB的博客
10-02 427
标注数量(txt文件个数)：5607。标注类别名称：person、car。训练好的yolov5检测模型。数据集格式：YOLO格式。
【YOLOv8改进[SPPF]】使用SPPFCSPC替换SPPF模块 + 含全部代码和详细修改方式
静谧、淡雅
09-29 256
【YOLOv8改进[SPPF]】使用SPPFCSPC替换SPPF模块 + 含全部代码和详细修改方式
YOLOv8最新改进2023 CVPR 结合BiFormer
qq_53545309的博客
09-28 407
作为视觉转换器的核心构建块，衰减是捕获长距离依赖性的强大工具。然而，这种能力是有代价的：它会产生巨大的计算负担和沉重的内存占用，因为所有空间位置的成对标记交互都是计算的。一系列作品试图通过将手工制作和与内容无关的稀疏性引入 attention 来缓解这个问题，例如将 attention 操作限制在局部窗口、轴向条纹或扩张的窗口内。与这些方法相反，我们提出了一种通过双层路由的新型 dy namic 稀疏注意力，以实现具有内容感知的更灵活的计算分配。
ubuntu系统下mamba-yolo模型的深度学习环境搭建
qq_23865133的博客
09-26 662
本文将介绍如何在ubuntu系统下配置目标检测模型mamba-yolo的深度学习环境。
苹果荔枝柠檬梨柿子数据集 水果数据集 树上1500张 带标注 voc yolo 5类
阿利同学的博客
10-02 627
苹果荔枝柠檬梨柿子数据集 水果数据集 树上1500张 带标注 voc yolo 5类
AT+CPMS? 指令解析
05-18
AT+CPMS? 是一个用于查询SIM卡短消息存储区的指令，其具体解析如下： AT：指令开头，表示这是一个AT指令。 +CPMS：查询SIM卡短消息存储区的指令码。 ?：查询指令，表示想要获取当前的设置值。 因此，执行AT+CPMS?指令将返回当前SIM卡短消息存储区的设置值，包括： 1. 当前所选的消息存储区及其使用情况。 2. 支持的消息存储区和各自的可用空间。
评论 9
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