Yolov5/Yolov7成长师
文章平均质量分 91
Yolov5/Yolov7成长师,魔改网络和不同组合优化,在多个数据集进行验证mAP涨点明显,尤其是小目标、遮挡物精度提升明显;
AI小怪兽
YOLO骨灰级玩家,1)YOLOv5、v7、v8优化创新,轻松涨点和模型轻量化;2)目标检测、语义分割、OCR、分类等技术孵化,赋能智能制造,工业项目落地经验丰富;订阅者私信添加本人微信!!!
展开
-
我的创作纪念日--AI小怪兽打怪进阶路
AI小怪兽:1)YOLO骨灰级玩家,YOLOv5、v7、v8优化创新,复现计算机视觉顶会,创新科研涨点小能手;2)就职于智能制造与数智创新企业,工业界项目落地、部署经验丰富,为半导体、3C等行业部署过几十个项目;原创 2023-11-03 21:21:39 · 4099 阅读 · 27 评论 -
YOLOv8/YOLOv7/YOLOv5注意力机制全家福,内涵多尺度空洞注意力、大型分离卷积、多尺度双视觉、可变形大核注意力、通道优先卷积注意力、多维协作注意、可变形自注意力、EMA等
本文属于原创独家改进:2023年全新注意力大派送,内涵多尺度空洞注意力、大型分离卷积、多尺度双视觉、可变形大核注意力、通道优先卷积注意力、多维协作注意、可变形自注意力、EMA,喜迎1024,创新度十足适合科研,强烈推荐,推荐指数五颗星原创 2023-10-22 13:42:05 · 4073 阅读 · 60 评论 -
YoloV5/YoloV7改进---注意力机制:SRM,卷积神经网络再校准模块,性能优于SE、GE
SRM引入到yolov5,性能优于SE、GE原创 2023-07-05 19:54:11 · 1338 阅读 · 2 评论 -
YoloV5/YoloV7改进---注意力机制:高斯上下文变换器GCT,性能优于ECA、SE等注意力模块 | CVPR2021
提出了一种新的通道注意力结构gct,在几乎不引入参数的前提下优于大多SOTA通道注意力模型,如SE、ECA等原创 2023-07-05 19:53:44 · 674 阅读 · 0 评论 -
YoloV5/YoloV7改进---注意力机制:线性上下文变换LCT,性能优于SE
线性上下文变换(LCT)注意力针对SE进行优化原创 2023-07-05 19:55:43 · 593 阅读 · 0 评论 -
YoloV5/YoloV7改进---注意力机制:引入瓶颈注意力模块BAM,对标CBAM
yolov5加入BAM注意力机制,能够起到涨点的作用,添加位置不同在不同数据集表现也不一样原创 2023-07-04 19:18:47 · 747 阅读 · 1 评论 -
涨点技巧:Yolov5/Yolov7 引入Yolo-Z---ResneXtBottleneckCSP和DenseBlock,提升小目标检测能力
引入YOLO-Z中的ResneXtBottleneckCSP和DenseBlock,用来提升yolov5/yolov7小目标检测。原创 2023-04-03 21:34:54 · 1216 阅读 · 4 评论 -
Yolov5小目标性能提升方案介绍
本文主要罗列Yolov5小目标性能提升方案,包括注意力机制、多头检测器、loss优化等;原创 2023-06-29 15:42:49 · 3981 阅读 · 0 评论 -
基于Yolov5/Yolov7的DRConv动态区域感知卷积,即插即用,涨点显著!
DRConv动态区域感知卷积引入到yolov5,在自己的多个数据集下进行验证,涨幅在1%~3%点之间原创 2023-04-25 18:00:52 · 1653 阅读 · 3 评论 -
Yolov5优化:新型backbone网络Res2Net,超越ResNet,多尺度结构,提升物体检测立竿见影
Res2Net结合C3和C2f提升检测精度,多尺度结构,提升物体检测立竿见影;结论:Res2Net结合C2f涨点更明显原创 2023-05-17 18:42:37 · 2125 阅读 · 2 评论 -
YoloV5/YoloV7改进---注意力机制:引入GCNet、GENet,效果优于SENet
YoloV8改进,引入GCNet、GENet两种注意力机制,效果优于SENet,涨点效果佳原创 2023-06-25 12:50:25 · 1600 阅读 · 0 评论 -
Yolov5/Yolov7优化:卷积变体---分布移位卷积(DSConv),提高卷积层的内存效率和速度
yolov5优化改进,通过分布移位卷积(DSConv),提高卷积层的内存效率和速度原创 2023-04-29 11:05:30 · 4671 阅读 · 13 评论 -
注意力机制:基于Yolov5/Yolov7的Triplet注意力模块,即插即用,效果优于cbam、se,涨点明显
yolov5引入新的注意力机制triplet attention,效果优于cbam和se。原创 2023-04-26 18:24:26 · 2457 阅读 · 4 评论 -
涨点技巧:基于Yolov5的轻量级上采样CARAFE算子,提升小目标检测性能
轻量级上采样CARAFE算子应用于yolov5/yolov7用于提升小目标检测性能原创 2023-03-23 19:11:42 · 5597 阅读 · 13 评论 -
LOSS系列-Yolov5引入Yolov7 ComputeLossOTA
Yolov5引入Yolov7 ComputeLossOTA原创 2023-03-22 19:20:57 · 1977 阅读 · 1 评论 -
涨点技巧:Detect系列---Yolov5/Yolov7加入ASFF特征金字塔融合方法,涨点明显
多尺度特征特别是特征金字塔FPN是解决目标检测中跨尺度目标的最常用有效的解决方法,特征金字塔融合方法ASFF与yolov5/yolov7结合可以有效涨点原创 2023-03-17 20:26:59 · 7372 阅读 · 24 评论 -
涨点技巧:Detect系列---Yolov5/Yolov7加入解耦头Decoupled_Detect,涨点明显
yolov5/Yolov7加入解耦头Decoupled_Detect,提升检测精度原创 2023-03-17 20:26:20 · 6186 阅读 · 18 评论 -
涨点神器!Yolov5/Yolov7改进Involution(内卷),可构建用于视觉识别的新一代神经网络!涨点显著!
涨点神器!利用Involution(内卷),可构建用于视觉识别的新一代神经网络!在分类、检测和分割任务上涨点显著!原创 2023-03-17 20:27:23 · 1758 阅读 · 4 评论 -
Yolov5/Yolov7加入Yolov8 c2f模块,涨点
Yolov5/Yolov7加入Yolov8 c2f模块,涨点,提升小目标检测精度原创 2023-03-13 19:52:31 · 12893 阅读 · 28 评论 -
涨点技巧:注意力机制---Yolov5/Yolov7引入BoTNet Transformer、MHSA
BoTNet同时使用卷积和自注意力机制,即在ResNet的最后3个bottleneck blocks中使用全局多头自注意力(MHSA)替换3 × 3空间卷积;MHSA作为注意力机制加入yolov5/yolov7也取得了涨点原创 2023-03-17 20:29:34 · 5334 阅读 · 4 评论 -
涨点技巧:注意力机制---Yolov5/Yolov7引入CBAM、GAM、Resnet_CBAM
注意力机制全家桶系列之引入CBAM和GAM到yolo,结合通道和空间的注意力机制模块取得了涨点原创 2023-03-17 20:29:16 · 8938 阅读 · 11 评论