YOLOv7原创自研
https://blog.csdn.net/m0_63774211/category_12511937.html
💡💡💡全网独家首发创新(原创),适合paper !!!
💡💡💡 2024年计算机视觉顶会创新点适用于Yolov5、Yolov7、Yolov8等各个Yolo系列,专栏文章提供每一步步骤和源码,轻松带你上手魔改网络 !!!
💡💡💡重点:通过本专栏的阅读,后续你也可以设计魔改网络,在网络不同位置(Backbone、head、detect、loss等)进行魔改,实现创新!!!
目录
原创自研
CBAM魔改,升级
1.自研独家创新MSAM注意力,通道注意力升级,魔改CBAM
YOLOv7独家原创改进:自研独家创新MSAM注意力,通道注意力升级,魔改CBAM-CSDN博客
2. 新颖自研设计的BSAM注意力,基于CBAM升级
YOLOv7独家原创改进:新颖自研设计的BSAM注意力,基于CBAM升级-CSDN博客
3.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
YOLOv7独家原创改进: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-CSDN博客
卷积魔改,升级版本
1.自研独家创新FT_Conv,卷积高效结合分数阶变换
YOLOv7独家原创改进:自研独家创新FT_Conv,卷积高效结合傅里叶变换-CSDN博客
2.AKConv(可改变核卷积),即插即用的卷积,效果秒杀DSConv
YOLOv7独家原创改进: AKConv(可改变核卷积),即插即用的卷积,效果秒杀DSConv | 2023年11月最新发表-CSDN博客
3.轻量化自研设计双卷积,重新设计backbone和neck卷积结构 YOLOv7独家原创改进:轻量化自研设计双卷积,重新设计backbone和neck卷积结构,完成涨点且计算量和参数量显著下降-CSDN博客
4. DCNv4更快收敛、更高速度、更高性能,效果秒杀DCNv3、DCNv2等 ,助力检测实现暴力涨点
YOLOv7全网独家首发:DCNv4更快收敛、更高速度、更高性能,效果秒杀DCNv3、DCNv2等 ,助力检测实现暴力涨点-CSDN博客
5.轻量级原创自研 | 一种多尺度的GSConv卷积变体,轻量化的同时能够实现涨点 YOLOv7独家改进:轻量级原创自研 | 一种多尺度的GSConv卷积变体,轻量化的同时能够实现涨点-CSDN博客
6.大核卷积涨点系列| Shift-ConvNets,稀疏/移位操作让小卷积核也能达到大卷积核效果 | 2024年最新论文 YOLOv7独家原创改进:大核卷积涨点系列| Shift-ConvNets,稀疏/移位操作让小卷积核也能达到大卷积核效果 | 2024年最新论文-CSDN博客
注意力机制
1. SENet v2,Squeeze-Excitation模块融合Dense Layer,效果秒杀SENet
YOLOv7全网独家首发改进:SENet v2,Squeeze-Excitation模块融合Dense Layer,效果秒杀SENet-CSDN博客
自研检测头
1.独家创新(Partial_C_Detect)检测头结构创新,实现涨点
YOLOv7优化:独家创新(Partial_C_Detect)检测头结构创新,实现涨点 | 检测头新颖创新系列-CSDN博客
2. 独家创新(SC_C_Detect)检测头结构创新,实现涨点
YOLOv7优化:独家创新(SC_C_Detect)检测头结构创新,实现涨点 | 检测头新颖创新系列-CSDN博客
3.一种新颖的多尺度滑窗注意力,助力小目标和遥感影像场景
YOLOv7涨点技巧:一种新颖的多尺度滑窗注意力,助力小目标和遥感影像场景-CSDN博客
4.一种新颖的自适应空间相关性金字塔注意力 ,实现小目标暴力涨点
YOLOv7独家原创改进:一种新颖的自适应空间相关性金字塔注意力 ,实现小目标暴力涨点-CSDN博客
SPPF创新
1.SPPF创新结构,重新设计全局平均池化层和全局最大池化层
YOLOv7独家原创改进:SPPF自研创新 | SPPF创新结构,重新设计全局平均池化层和全局最大池化层,增强全局视角信息和不同尺度大小的特征-CSDN博客
2.SPPF原创自研创新 | SPPF创新结构,重新设计全局平均池化层和全局最大池化层,增强全局视角信息和不同尺度大小的特征
3.SPPF创新涨点篇 | SPPELAN:SPP创新结合ELAN ,效果优于SPP、SPPF| YOLOv9
YOLOv7创新改进:SPPF创新涨点篇 | SPPELAN:SPP创新结合ELAN ,效果优于SPP、SPPF| YOLOv9_yolov7 spp-CSDN博客
4.原创自研 | CVPR2024 DCNv4结合YOLOv9 SPPELAN二次创新 | 涨点小能手
YOLOv7原创改进:原创自研 | CVPR2024 DCNv4结合YOLOv9 SPPELAN二次创新 | 涨点小能手-CSDN博客
IOU&loss
1.提出一种新的Shape IoU,更加关注边界框本身的形状和尺度,对小目标检测也很友好
YOLOv7独家原创改进:提出一种新的Shape IoU,更加关注边界框本身的形状和尺度,对小目标检测也很友好 | 2023.12.29收录-CSDN博客
2.新颖的Shape IoU结合 Inner-IoU,基于辅助边框的IoU损失的同时关注边界框本身的形状和尺度,小目标实现高效涨点 YOLOv7独家原创改进:新颖的Shape IoU结合 Inner-IoU,基于辅助边框的IoU损失的同时关注边界框本身的形状和尺度,小目标实现高效涨点-CSDN博客
3.更加聚焦的IoU损失Focaler-IoU,二次创新如何结合Shape IoU、MPDIoU、GIoU、DIoU、CIoU等 | 2024年最新IoU YOLOv7全网独家首发:更加聚焦的IoU损失Focaler-IoU,二次创新如何结合Shape IoU、MPDIoU、GIoU、DIoU、CIoU等 | 2024年最新IoU-CSDN博客
4.Powerful-IoU更好、更快的收敛IoU,效果秒杀CIoU、GIoU等 | 2024年最新IoU
YOLOv7全网独家首发:Powerful-IoU更好、更快的收敛IoU,效果秒杀CIoU、GIoU等 | 2024年最新IoU-CSDN博客
block优化&特征融合
1.多层次特征融合(SDI)结合PConv、DualConv、GSConv,实现二次创新
YOLOv7独家原创改进:多层次特征融合(SDI)结合PConv、DualConv、GSConv,实现二次创新 | UNet v2最新论文-CSDN博客
2.特征融合涨点篇 | 广义高效层聚合网络(GELAN) | YOLOv9 YOLOv7独家原创改进:特征融合涨点篇 | 广义高效层聚合网络(GELAN) | YOLOv9-CSDN博客
上采样下采样优化
1.上采样算子 | 超轻量高效动态上采样DySample,效果秒杀CAFFE,助力小目标检测
YOLOv7独家改进:上采样算子 | 超轻量高效动态上采样DySample,效果秒杀CAFFE,助力小目标检测-CSDN博客
2.下采样系列 | 一种新颖的基于 Haar 小波的下采样HWD,有效涨点系列
YOLOv7改进:下采样系列 | 一种新颖的基于 Haar 小波的下采样HWD,有效涨点系列_下采样改进-CSDN博客
3.下采样创新篇 | 新颖的下采样ADown | YOLOv9 YOLOv7创新改进:SPPF创新涨点篇 | SPPELAN:SPP创新结合ELAN ,效果优于SPP、SPPF| YOLOv9_yolov7 spp-CSDN博客
2024年前沿最新成果
1.多种新颖的改进方式 | 保持原始信息-深度可分离卷积(MDSConv) | 全局感受野的空间金字塔 (Improve-SPPF)算法 | CA注意力改进版
YOLOv7独家原创改进:多种新颖的改进方式 | 保持原始信息-深度可分离卷积(MDSConv) | 全局感受野的空间金字塔 (Improve-SPPF)算法 | CA注意力改进版-CSDN博客
2.大核卷积涨点系列| Shift-ConvNets,稀疏/移位操作让小卷积核也能达到大卷积核效果 | 2024年最新论文 YOLOv7独家原创改进:大核卷积涨点系列| Shift-ConvNets,稀疏/移位操作让小卷积核也能达到大卷积核效果 | 2024年最新论文-CSDN博客
3.SPPF创新涨点篇 | SPPELAN:SPP创新结合ELAN ,效果优于SPP、SPPF| YOLOv9
YOLOv7创新改进:SPPF创新涨点篇 | SPPELAN:SPP创新结合ELAN ,效果优于SPP、SPPF| YOLOv9_yolov7 spp-CSDN博客
4.下采样创新篇 | 新颖的下采样ADown | YOLOv9 YOLOv7创新改进:SPPF创新涨点篇 | SPPELAN:SPP创新结合ELAN ,效果优于SPP、SPPF| YOLOv9_yolov7 spp-CSDN博客
5.特征融合涨点篇 | 广义高效层聚合网络(GELAN) | YOLOv9 YOLOv7独家原创改进:特征融合涨点篇 | 广义高效层聚合网络(GELAN) | YOLOv9-CSDN博客
6.原创自研 | CVPR2024 DCNv4结合YOLOv9 SPPELAN二次创新 | 涨点小能手
YOLOv7原创改进:原创自研 | CVPR2024 DCNv4结合YOLOv9 SPPELAN二次创新 | 涨点小能手-CSDN博客
计算机视觉顶会创新
持续更新中,本专栏打造高质量、高原创的专栏,为客户提供精品服务