YOLOv5独家原创改进：SPPF自研创新 | SPPF与感知大内核卷积UniRepLK结合，大kernel+非膨胀卷积提升感受野

已于 2023-12-08 15:10:23 修改
阅读量799 收藏 2
点赞数 3
分类专栏： YOLOv5原创自研 YOLOv5/YOLOv7/YOLOv8最新改进大作战 文章标签： YOLO 网络 算法 人工智能 开发语言
于 2023-12-08 14:00:16 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/134876361
版权
YOLOv5/YOLOv7/YOLOv8最新改进大作战 同时被 2 个专栏收录
102 篇文章 44 订阅 ¥299.90 ¥399.90
订阅专栏
YOLOv5原创自研
92 篇文章 31 订阅 ¥299.90 ¥399.90
订阅专栏
本文提出了一种SPPF（Spatial Pyramid Pooling with Fusion）的创新改进，结合大内核卷积UniRepLK，用于提升YOLOv5的检测精度。SPPF在不降低mAP的情况下提供了更快的速度和更少的FLOPs。通过在YOLOv5中引入大内核和非膨胀卷积，增强了模型的感受野。此外，文章讨论了大内核卷积的设计原则和应用场景，并提供了具体的实现步骤和源码。
摘要由CSDN通过智能技术生成

 💡💡💡本文自研创新改进：SPPF与感知大内核卷积UniRepLK结合，大kernel+非膨胀卷积，使SPPF增加大kernel，提升感受野，最终提升检测精度

 

 

收录

YOLOv5原创自研

https://blog.csdn.net/m0_63774211/category_12511931.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，

了解本专栏 订阅专栏 解锁全文
AI小怪兽
关注
  • 3
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
订阅专栏
空间金字塔池化改进 SPP / SPPF / SimSPPF / ASPP / RFB / SPPCSPC / SPPFCSPC / SPPELAN
YOLOv8项目贡献者
08-15 11万+
汇总一些SPP结构
YOLOv5改进 | SPPF篇 | FocalModulation替换SPPF（精度更高的空间金字塔池化）
Snu77的博客
12-18 3085
本文给大家带来的改进是用FocalModulation技术来替换了原有的SPPF（快速空间金字塔池化）模块。FocalModulation是今年新提出的特征增强方法，它利用注意力机制来聚焦于图像中的关键区域，从而提高模型对这些区域的识别能力。与SPPF相比，FocalModulation不仅能够处理不同尺寸的输入图像，还能更精确地识别和定位图像中的对象。这一技术特别适用于处理那些难以检测的小对象或在复杂背景中的对象（更多的检测效果请看第二章）。我进行了简单的实验，这个FocalModulation能提升精度
UniRepLKNet：大核卷积的领先性能
cshsjdh的博客
02-04 1953
本文介绍UniRepLKNet论文及测试UniRepLKNet的性能，用到农业病害识别数据集做图像分类测试。
YOLOv8改进 | SPPF篇 | FocalModulation替换SPPF（精度更高的空间金字塔池化）
Snu77的博客
12-05 6922
本文给大家带来的改进是用FocalModulation技术来替换了原有的SPPF（快速空间金字塔池化）模块。FocalModulation是今年新提出的特征增强方法，它利用注意力机制来聚焦于图像中的关键区域，从而提高模型对这些区域的识别能力。与SPPF相比，FocalModulation不仅能够处理不同尺寸的输入图像，还能更精确地识别和定位图像中的对象。这一技术特别适用于处理那些难以检测的小对象或在复杂背景中的对象（更多的检测效果请看第二章）。我进行了简单的实验，这一改进显著提高了YOLOv8模型的mAP。
YOLOv8算法改进【NO.92】使用大核分离卷积注意力模块Large Separable Kernel Attention（LSKA）改进SPPF模块
m0_70388905的博客
12-14 1888
使用大核分离卷积注意力模块Large Separable Kernel Attention（LSKA）改进SPPF模块
yolov8改进——SFFP特征金字塔池化修改（详细版）
qq_43471945的博客
10-08 3576
金字塔池化模块是yolo系列十分重要的一个改进点，因此，这个地方如果选择多种改进，当然，这里也可以做多种消融实验说明自己的改进有效。 下面以SimSPPF为例，写出如何修改SPPF。
YOLOv5网络结构包含SPPF结构.rar
04-15
1、资源内容：yolov5网络结构包含SPPF结构（完整版）.rar 2、代码特点：参数化编程、参数可方便更改、代码编程思路清晰、注释明细。 3、适用对象：计算机，电子信息工程、数学等专业的大学生课程设计和毕业设计。 4...
tensorrtx 实现 yolov5 + dcnv2
03-20
将 yolov5x yaml backbone 前3层 conv 改成 dcnconv 参考 tensorrx yolov5 , 实现 tensorrt 推理。 backbone: # [from, number, module, args] [[-1, 1, Conv, [64, 6, 2, 2]], # 0-P1/2 [-1, 1, DCN, [128, 3, ...
YOLOv5姿态估计：HRnet实时检测人体关键点
01-15
利用YOLOv5进行姿态估计，HRnet与SimDR检测图片、视频以及摄像头中的人体关键点。 原工程文件分享： 考虑到很多同学真的是时间问题不想自己配置参数和权重，在这里我将自己的原工程文件分享给大家，只需要将路径改成...
yolov5-6.2网络结构PPT可修改版
11-13
总的来说，YOLOv5-6.2的网络设计结合了深度卷积、空间金字塔池化、多尺度检测等多种技术，以实现快速且准确的目标检测。这份PPT提供了一个可修改的结构，对于研究者和开发者来说，它是一个很好的起点，可以依据实际...
sppf.rar_导航定位_滤波 算法应用_粒子滤波 定位_粒子滤波定位_非线性定位
09-14
《粒子滤波算法在导航与定位中的应用——深入解析SPPF》 粒子滤波算法，全称为Sigma-Point Particle Filter（SPPF），是一种基于概率的非线性滤波方法，广泛应用于导航、定位、目标跟踪等领域。本文将详细探讨SPPF...
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 3710
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
YOLOv5、YOLOv8改进：空间金字塔池化 SPPF改为 SimSPPF / ASPP / RFB / SPPCSPC / SPPFCSPC
weixin_45303602的博客
09-23 8946
空间金字塔池化（Spatial Pyramid Pooling，SPP）是一种用于解决输入尺寸不同的图像在深度学习中常见的问题的技术。它通过将不同尺寸的感受野划分成不同的层级，并对每个层级内的特征进行池化操作，从而能够对任意大小的输入图像进行固定长度的特征表示。
YOLOv8独家原创改进：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
12-13 3216
SPPF_improve利用全局平均池化层和全局最大池化层，加入一些全局背景信息和边缘信息，从而获取全局视角信息并减轻不同尺度大小所带来的影响
原始SPP及在YOLO中的SPP/SPPF对比详解
weixin_51691064的博客
05-21 4241
在卷积神经网络中我们经常看到固定输入的设计，但是有的时候难以控制，何凯明大神的论文SPPNet中的SPP结构解决了该问题。后续在YOLO系列中也出现了SPP结构及改进的结构，但是作用与最初的SPP结构却是不同的。
YOLOv9改进策略 | SPPF篇 | 利用RT-DETR的AIFI模块替换SPPFELAN助力小目标检测涨点
最新发布
Snu77的博客
04-21 1622
本文给大家带来是用最新的RT-DETR模型中的AIFI模块来替换YOLOv9中的SPPFELAN。RT-DETR号称是打败YOLO的检测模型，其作为一种基于Transformer的检测方法，相较于传统的基于卷积的检测方法，提供了更为全面和深入的特征理解，将RT-DETR中的一些先进模块融入到YOLOv9往往能够达到一些特殊的效果。同时欢迎大家订阅本专栏，本专栏每周更新3-5篇最新机制，更有包含我所有改进的文件和交流群提供给大家。
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
12-13 1587
强烈推荐，适合直接使用，paper创新级别；在多个数据集验证涨点，尤其对存在多个尺度的数据集涨点明显
【YOLOv5改进系列(10)】高效涨点----将CAM（上下文增强模块）添加到Neck特征融合模块当中
慕溪同学的博客
03-31 1384
在yolov5改进系列[9]里面我是已经将CAM模块替换掉了backbone最后一层的SPPF模块，经过实验可以得出，在我自己的钢轨表面疵点数据集上使用adaptive连接方式涨点效果最优map@0.5提升了7个百分点。后来发现在Neck特征融合部分也能添加CAM模块这里就在PANet的stage=1/32concat特征融合之前添加CAM模块进行处理。
【YOLOv5改进系列(9)】高效涨点----使用CAM（上下文增强模块）替换掉yolov5中的SPPF模块
慕溪同学的博客
03-30 2809
CAM（上下文增强模块）这个模块是出至于这篇论文，这是一个针对小目标检测的文本，提出了一种名为“上下文增强和特征细化网络”的方法。将多尺度展开卷积的特征从上到下融合注入到特征金字塔网络中，补充上下文信息。引入通道和空间特征细化机制，抑制多尺度特征融合中的冲突形成，防止微小目标淹没在冲突信息中。此外，提出了一种数据增强方法，该方法可以增加训练过程中微小对象对损失的贡献，保证训练更加均衡。
yolov5的改进SPPF
09-03
SPPF（Spatial Pyramid Pooling Fusion）是YOLOv5网络的一项改进。在YOLOv5中，SPPF用于增强网络的语义信息捕捉能力，以提高检测性能。 SPPF通过引入Spatial Pyramid Pooling（空间金字塔池化）来增加感受野大小。...
评论
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