YOLOv8独家改进: block优化 | PKIBlock多尺度卷积核，优势无需膨胀，即插即用小目标涨点 | CVPR2024 PKINet 遥感图像目标检测

已于 2024-03-28 08:52:06 修改
阅读量1.4k 收藏 6
点赞数 14
分类专栏： YOLOv8原创自研 YOLOv8魔术师 YOLO小目标检测 文章标签： YOLO 目标检测 人工智能 计算机视觉 深度学习
于 2024-03-21 15:17:03 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/136909308
版权
YOLOv8原创自研 同时被 3 个专栏收录
102 篇文章 72 订阅 ¥299.90 ¥99.00
订阅专栏
YOLOv8魔术师
99 篇文章 342 订阅 ¥299.90 ¥99.00
订阅专栏
YOLO小目标检测
69 篇文章 82 订阅 ¥259.90 ¥99.00
订阅专栏

 💡💡💡本文独家改进：多尺度卷积核：与之前依赖大卷积核或膨胀卷积的方法不同，PKINet利用不同大小的多个深度卷积核，优势：无需膨胀即可提取不同感受野中的多尺度纹理特征。
，改进思路来自CVPR2024 PKINet，2024年前沿最新改进，抢先使用

  💡💡💡小目标数据集，涨点近两个点，强烈推荐

 💡💡💡小目标涨点友好

改进结构图如下：

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
  • 14
    点赞
  • 踩
  • 6
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 2
    评论
专栏目录
订阅专栏
【YOLOv7/YOLOv5系列改进NO.53】融入CFPNet网络中的ECVBlock模块，提升小目标检测能力
m0_70388905的博客
01-17 5204
助力涨点！融入CFPNet网络中的ECVBlock模块，提升小目标检测能力。
YoloV8改进策略：BackBone改进|PKINet
m0_47867638的博客
03-18 2572
遥感图像（RSI）中的目标检测近年来引起了广泛关注[11, 56, 64]。这项任务致力于在RSI中识别特定目标的存在，并随后确定它们的类别和精确位置。与通常产生水平边界框的通用目标检测不同，遥感目标检测旨在生成与目标方向准确对齐的边界框。因此，先前的许多努力都致力于开发各种有向边界框（OBB）检测器[10, 20, 31, 65, 67, 71]，并改进OBB的角度预测精度[68,70,72-74]。然而，在改善用于目标检测的特征提取方面，RSI的独特特性仍相对缺乏深入研究。
PKINet(2024CVPR)复现
dragonxxx1024的博客
03-19 2877
这次错误的解决,主要是因为以前复现过LSKNet，文章中又提到了LSKNet，然后看了下LSK的train.py的代码，两者差不多，找到以前我看过LSKNet复现的帖子，才发现没导入权重文件和改单卡模式，LSKNet复现的帖子在这里。我们进行测试和demo实验，从官网上下载权重文件，如下，我测试的是DOTAv1.0的，但是只有ss的权重文件，先试一试能不能跑，不能跑再换ss类型的数据集。本次复现也踩了很多的坑，这也是我第一篇博客，不对之处请各位指教，也当做我自己的一个笔记吧，毕竟好记性不如烂笔头。
YOLOv8添加小目标检测层
最新发布
weixin_41171614的博客
05-31 598
YOLOv8添加小目标检测层
Poly Kernel Inception Network for Remote Sensing Detection
qq_54372122的博客
04-01 1037
与传统的kb× b二维深度卷积相比，我们可以用几个一维深度卷积核实现类似的效果，参数约简为kb/2。其次，条形卷积可以方便地识别和提取细长形状物体的特征，比如桥梁。为了增加CAA模块在其所属的PKI块越深时的接受域，我们设置kb=11+2×l，即我们计算内核大小kb作为PKI块深度n的函数。以前的方法：通过扩大主干的空间接受野来解决这些挑战，要么通过大核卷积，要么通过扩张卷积。PKI模块是一个初始化风格的模块，它包括一个小核卷积来获取本地信息，然后是一组并行深度卷积来捕获跨多个尺度的上下文信息。
yolov8模型结构
fool996的博客
02-27 655
输出通道数（ch_out），卷积核（kernel），步长（stride），padding（填充），groups（分组）]10，12，13，15，16，18，19，21层与backbone中层含义一样。第一层：[-1, 1, Conv, [64, 3, 2]] # 0-P1/2。args：为[64,3,2],[ch_out,kernel,stride]此部分为模型的参数，有n，s，m，l，x，5个不同的版本。[15,18,21]:15层，18层，21层，进行检测。以n模型下的，第一层和第三层为例，
YOLOv8 抢先解读
TigerZ*的博客
01-10 1740
同一团队出品，YOLOv8和YOLOv5改进方向：Backbone、PAN-FPN、Decoupled-Head、Anchor-Free、损失函数、样本匹配。
Poly Kernel Inception Network在遥感检测中的应用
AI浩
03-19 863
遥感图像（RSI）中的目标检测近年来引起了广泛关注[11, 56, 64]。这项任务致力于在RSI中识别特定目标的存在，并随后确定它们的类别和精确位置。与通常产生水平边界框的通用目标检测不同，遥感目标检测旨在生成与目标方向准确对齐的边界框。因此，先前的许多努力都致力于开发各种有向边界框（OBB）检测器[10, 20, 31, 65, 67, 71]，并改进OBB的角度预测精度[68,70,72-74]。然而，在改善用于目标检测的特征提取方面，RSI的独特特性仍相对缺乏深入研究。
RTDETR(CVPR2024)改进系列指南
热门推荐
qq_37706472的博客
02-17 1万+
RTDETR(CVPR2024)改进系列指南(RTDETR-R18,RTDETR-R50,YOLOV5-DETR,YOLOV8-DETR)
MINet:CVPR2020，用于显着目标检测的多尺度交互式网络
03-08
用于显着目标检测的多尺度交互式网络 CVPR 2020。 无：有关本文的后续更新，请参见arixv版本。 变更日志 代码和实验结果现已发布 :grinning_face_with_smiling_eyes: 。 2021/1/18： 修复SIM卡模块的形式： : ...
Exposure_Correction:论文“学习多尺度照片曝光校正”的项目页面，CVPR 2021
05-03
学习多尺度照片曝光校正 1,2 ， 1 ， 3和 1 1三星AI中心（SAIC）-多伦多2约克大学3海德堡大学 论文的项目页面 Mahmoud Afifi，Konstantinos G. Derpanis，BjörnOmmer和Michael S. Brown。 在2021年的CVPR中，如果您...
CNN做遥感图像目标识别完整代码
08-17
提供了一套完整的方案，包括图像处理和图像识别，可以拿来尝试并fine tune一下
ECO-master.zip_17年CVPR_eco 多尺度跟踪_eco算法_eco跟踪_mtimesx build
07-14
CVPR17年最新最优秀跟踪算法。ECO性能完美，是当前效果最好的算法。
matlab实数编码代码-PnP-SCI:大规模快照压缩成像的即插即用算法（CVPR2020，口腔）
05-20
matlab实数编码代码快照压缩成像（PnP-SCI）的即插即用算法 这个软件库包含了纸张的MATLAB代码插件和播放算法大型快照压缩成像在计算机视觉IEEE / CVF会议和模式识别（CVPR）2020（口服）的，和。 图1.使用提议的PnP...
matlab双向多尺度隐式神经表征图像去训练(CVPR 2024).zip
05-16
标题 "matlab双向多尺度隐式神经表征图像去训练(CVPR 2024).zip" 提供的信息表明，这是一个与计算机视觉领域相关的研究项目，特别关注图像去雨技术。该技术可能利用了深度学习，特别是神经网络模型，以实现对含有...
YOLOv8改进策略：NWD小目标检测新范式
qq_62660798的博客
01-21 2645
YOLOv8是YOLO系列的最新版本，通过引入更多的技术创新和改进，实现了更高的检测精度和更快的推理速度。使用更深的骨干网络和更多的卷积层，提高了特征提取能力。结合了YOLOv4的CSPNet和YOLOv3的YOLOv3-tiny网络结构，取长补短，融合多个版本的优势。引入K-means聚类算法自动调整Anchor，适应不同尺寸目标的检测。
改进YOLO系列：YOLOv8增加小目标检测层(可自适应调节网络宽度和深度)，提高对小目标的检测效果
qq_44224801的博客
04-10 6143
YOLO小目标检测效果不好的一个原因是因为小目标样本的尺寸较小，而yolov8的下采样倍数比较大，较深的特征图很难学习到小目标的特征信息，因此提出增加小目标检测层对较浅特征图与深特征图拼接后进行检测。加入小目标检测层，可以让网络更加关注小目标的检测，提高检测效果。这个方式的实现十分简单有效，只需要修改yolov8的模型文件yaml就可以增加小目标检测层，但是在增加检测层后，带来的问题就是计算量增加，导致推理检测速度降低。不过对于小目标，确实有很好的改善，修改yaml文件，需要修改特征融合网络。
YOLOv8改进：小目标涨点系列篇 | 多头检测器，提升小目标检测能力
会AI的学姐
10-17 3748
YOLOv8有3个检测头，能够多尺度对目标进行检测，但对微小目标检测可能存在检测能力不佳的现象，因此添加一个微小物体的检测头，能够大量涨点，map提升明显；
《YOLOv8原创自研》专栏介绍 & CSDN独家改进创新实战&专栏目录
12-02 5476
全网独家首发创新（原创），适合paper ！！！
yolov8小目标检测 DCNv3
08-28
yolov8的小目标检测可以通过加入DCNv3来实现。DCNv3是可变形卷积网络的一种改进结构，被称为目标检测的"涨点神器"，在yolov8中使用DCNv3可以提高3到4个点的性能。特别是对于小目标的检测效果较好。同时，还有其他一些方法可以用于提升yolov8的小目标检测性能，例如引入CVPR2023 InternImage中的新机制，扩展DCNv3，可以助力涨点，提高COCO的mAP指标。此外，还可以使用基于yolov5的轻量级上采样CARAFE算子，来提升小目标的检测性能。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* [YOLOv8添加DCNv3可变形卷积](https://blog.csdn.net/weixin_70423469/article/details/131702564)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] - *2* *3* [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](https://blog.csdn.net/m0_63774211/article/details/130881380)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
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