YOLOv10涨点改进：SPPF原创自研 | SPPF_attention，重新设计加入注意力机制，能够在不同尺度上更好的、更多的关注注意力特征信息

已于 2024-06-21 08:57:46 修改
阅读量102 收藏 1
点赞数 3
分类专栏： YOLOv10魔术师 文章标签： YOLO microsoft 华为 神经网络 目标检测
于 2024-06-20 10:21:08 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/139819678
版权
YOLOv10魔术师 专栏收录该内容
82 篇文章 41 订阅 ¥199.90 ¥99.00
订阅专栏

💡💡💡本文原创自研创新改进：

优点：为了利用不同的池化核尺寸提取特征的方式可以获得更多的特征信息，提高网络的识别精度。

如何优化：在此基础上加入注意力机制，能够在不同尺度上更好的、更多的获取特征信息，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

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、小目标数据集涨点明显

💡💡💡在NEU-DET任务中，SPPF_attention，重新设计加入注意力机制  ，1）mAP50从0.683提升至0.703

SPPF_attention改进结构图如下：

 《YOLOv10魔术师专栏》将从以下各个方向进行创新：

【

了解本专栏 订阅专栏 解锁全文
AI小怪兽
关注
  • 3
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    评论
专栏目录
订阅专栏
Yolov5涨点神器：注意力机制---多头上下文集成（Context Aggregation）的广义构建模块，助力小目标检测，暴力涨点
各专栏持续更新中，改进创新YOLO，适用v5、v7、v8、v9、v10，订阅者私信添加本人微信！！！ By AI小怪兽
05-25 3270
CONTAINER(CONText AggregatIon NEtwoRK)，一种用于多头上下文集成（Context Aggregation）的广义构建模块引入到yolov5，在crack缺陷检测项目中实现四个多点涨点
YOLOv10涨点改进：自研检测头 | 独家创新（Partial_C_v10Detect）检测头结构创新，实现涨点
各专栏持续更新中，改进创新YOLO，适用v5、v7、v8、v9、v10，订阅者私信添加本人微信！！！ By AI小怪兽
06-13 154
独家创新（Partial_C_v10Detect）检测头结构创新，实现涨点
即插即用系列 | Skip-Attention：显著降低ViT计算量的模型轻量化方法
CV_Autobot的博客
01-10 1282
作者|派派星 编辑| CVHub点击下方卡片，关注“自动驾驶之心”公众号ADAS巨卷干货，即可获取点击进入→自动驾驶之心【全栈算法】技术交流群后台回复【transformer综述】获取2022最新ViT综述论文！导读这项工作旨在提高视觉Transformer（ViT）的效率。虽然ViT在每一层中使用计算代价高昂的自注意力操作，但我们发现这些操作在层之间高度相关——这会导致产生很多不必要计算...
部分注意力机制的优缺点
SLCWYF的博客
11-22 3381
请注意，上述的优缺点是一般性的观点，具体性能可能因任务和数据集而异。在选择注意力机制时，建议根据具体任务需求和计算资源的可用性进行仔细评估。
YOLOv8独家原创改进：SPPF原创自研 | SPPF_attention，重新设计加入注意力机制，能够在不同尺度上更好的、更多的关注注意力特征信息
各专栏持续更新中，改进创新YOLO，适用v5、v7、v8、v9、v10，订阅者私信添加本人微信！！！ By AI小怪兽
06-20 105
如何优化：在此基础上加入注意力机制，能够在不同尺度上更好的、更多的获取特征信息，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
YOLOv10实战：SPPF原创自研 | SPPF_attention，重新设计加入注意力机制 | NEU-DET为案列进行展开
各专栏持续更新中，改进创新YOLO，适用v5、v7、v8、v9、v10，订阅者私信添加本人微信！！！ By AI小怪兽
06-21 794
SPPF_attention，重新设计加入注意力机制 ，1）mAP50从0.683提升至0.703
YOLOv5独家原创改进：SPPF原创自研 | SPPF_attention，重新设计加入注意力机制，能够在不同尺度上更好的、更多的关注注意力特征信息
各专栏持续更新中，改进创新YOLO，适用v5、v7、v8、v9、v10，订阅者私信添加本人微信！！！ By AI小怪兽
06-21 93
强烈推荐，适合直接使用，paper创新级别
YOLOv10涨点改进：原创自研 | 自研独家创新MSAM注意力，通道注意力升级，魔改CBAM
各专栏持续更新中，改进创新YOLO，适用v5、v7、v8、v9、v10，订阅者私信添加本人微信！！！ By AI小怪兽
06-02 370
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
YOLOv10涨点改进：注意力魔改 | 轻量级自注意力机制CoordAttention | CVPR2021
各专栏持续更新中，改进创新YOLO，适用v5、v7、v8、v9、v10，订阅者私信添加本人微信！！！ By AI小怪兽
05-31 706
在NEU-DET案列进行可行性验证，1)mAP50从0.683提升至0.7 ;2)mAP50从0.683提升至0.704
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...
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...
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:Sigma-Point Particle Filter 算法（SPPF）用于非线性滤波估计问题，例如：导航，定位，跟踪等等应用
YOLOv8中引入AIFI（Attention-based Intrascale Feature Interaction）源码
01-22
YOLOv8-AIFI-Integration 是一套基于Python的开源代码，专门设计用于在YOLOv8对象检测框架中集成AIFI（Attention-based Intrascale Feature Interaction）模块。这个改进是在原有的YOLOv8模型基础上进行的，目的是...
chartparser：图表分析器（Earley SPPF）
02-04
图表解析器该解析器很快将替换杠杆/中的自定义解析器，直到此... 以下是输入Chartparser可以读取的无上下文语法的方法： from chartparser import NonTerminal, Terminal, Rules, a = Nonterminal('s'), Nonterminal
(持续更新学习)yolov8中设置参数
最新发布
m0_73406727的博客
06-21 251
例如，在指数衰减中，学习率会随着训练的进行按照一定的指数规律逐渐减小。都被设置为 0.001，这意味着初始学习率是 0.001，并且可能有一个与之配套的学习率衰减策略，使得学习率随着训练的进行逐渐减小。例如，如果使用学习率衰减策略，每个 epoch 的学习率可能是前一个 epoch 的。：如果使用动态调整学习率的策略（如学习率衰减），可能需要较少的 epoch，因为学习率的变化有助于模型在训练过程中保持活跃。：简单的模型可能在较少的 epoch 后就能收敛，而复杂的模型可能需要更多的 epoch。
快速编译安装tensorrt_yolo
FL1623863129的博客
06-15 396
通过 PyPI 安装模块，您只需执行以下命令即可：如果您希望获取最新的开发版本或者为项目做出贡献，可以按照以下步骤从 GitHub 克隆代码库并安装：git clone https://github.com/laugh12321/TensorRT-YOLO # 克隆代码库在以上步骤中，您可以先克隆代码库并进行本地构建，然后再使用pip安装生成的 Wheel 包，确保安装的是最新版本并具有最新的功能和改进。Deploy。
YOLOv10解析：保姆级解读和使用教程
weixin_45303602的博客
06-20 512
YOLOv10是清华大学的Ao Wang， HuiChen， LihaoLiu等人于 2024年5月发布的，是一种新的实时端到端目标检测器，也是YOLO系列最新的算法。code。
二、利用YOLOv8解决现实世界的问题
挑大梁的专栏
06-18 430
Ultralytics Solutions提供顶尖的YOLO模型应用，提供现实世界的解决方案如：目标记数，模糊和安全系统，提升效率和准确率在各种工业中。探索YOLOv8在实用性和有效性上的强大功能。
yolov5注意力机制加在SPPF前
08-04
在Yolov5中，注意力机制(Attention Mechanism)可以被添加到各种位置以增强模型的性能。根据引用[2],如果你想在SPPF层前添加SE注意力机制，你可以按照以下步骤进行： 1. 在`yolov5/models`文件夹下新建一个`yolov5s_SE.yaml`文件； 2. 将本文提供的SE注意力代码添加到`common.py`文件的末尾； 3. 将SE这个类的名字加入到`yolov5/models/yolo.py`中； 4. 修改`yolov5s_SE.yaml`,将SE注意力加到你想添加的位置。常见的位置有C3模块后面，Neck中，也可以在主干的SPP F SPPF SPPF前添加一层。这里演示添加到SPP F SPPF SPPF上一层； 5. 将`[-1, 1, SE, [1024]]`添加到SPPF的上一层，即你想要的位置。 完成以上步骤后，你就可以在训练时使用`--cfg yolov5s_SE.yaml`来启动带有SE注意力机制的Yolov5训练了。 需要注意的是，注意力机制是一种复杂的技术，需要对深度学习和计算机视觉领域有一定的理解才能正确应用。此外，＊＊＊

“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 1
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