YOLOv5/YOLOv7/YOLOv8最新改进大作战
文章平均质量分 92
1.本专栏主要为是复现2023年计算机视觉方面的三大顶级会议:ICCV,CVPR,ECCV,并引入到各个yolo中,进行二次创新;2.针对小目标、遮挡物、样本不均衡等通用性问题,进行针对性优化;3.亲测能够涨点,持续更新;
优惠券已抵扣
余额抵扣
还需支付
¥299.90
购买须知?
本专栏为图文内容,最终完结不会低于15篇文章。
订阅专栏,享有专栏所有文章阅读权限。
本专栏为虚拟商品,基于网络商品和虚拟商品的性质和特征,专栏一经购买无正当理由不予退款,不支持升级,敬请谅解。
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
-
全网首发YOLOv8暴力涨点:Gold-YOLO,遥遥领先,超越所有YOLO | 华为诺亚NeurIPS23
Gold-YOLO,遥遥领先,超越所有YOLO,替换yolov8 head部分实现暴力涨点原创 2023-09-25 13:58:07 · 6121 阅读 · 123 评论 -
《YOLOv5/YOLOv7/YOLOv8最新改进大作战》专栏介绍 & CSDN独家改进创新实战 & 专栏目录
内涵2023年最新计算机三大顶会(CVPR2023、ICCV2023、ECCV2023)实现、ICLR 2023和23年其他涨点明显创新点,创新十足,适合直接科研发paper!!!原创 2023-09-19 13:10:49 · 2063 阅读 · 44 评论 -
全网原创首发Yolov8涨点神器:可变形大核注意力,超越自注意力,实现暴力涨点 | 2023.8月最新发表
可变形大核注意力(D-LKA Attention),采用大卷积核来充分理解体积上下文的简化注意力机制,来灵活地扭曲采样网格,使模型能够适当地适应不同的数据模式原创 2023-09-14 19:51:43 · 2958 阅读 · 59 评论 -
首发Yolov8涨点神器:动态蛇形卷积(Dynamic Snake Convolution),实现暴力涨点 | ICCV2023
动态蛇形卷积(Dynamic Snake Convolution),增强细长微弱的局部结构特征与复杂多变的全局形态特征原创 2023-09-05 21:09:54 · 4975 阅读 · 45 评论 -
YOLOv8独家改进:backbone改进 | 轻量化之王MobileNetV4 开源 | Top-1 精度 87%,手机推理速度 3.8ms,原地起飞!
轻量化之王MobileNetV4 开源 | Top-1 精度 87%,手机推理速度 3.8ms,原地起飞!原创 2024-05-09 09:12:22 · 646 阅读 · 5 评论 -
YOLOv8独家原创改进:注意力 | 多尺度融合 | 多尺度空间金字塔注意(MSPA),助力小目标检测 | 2024年4月最新发表
利用分层残差连接在更细粒度上提取多尺度空间信息的分层信息,还设计了以自适应组合机制整合结构正则化和结构信息的空间金字塔再校准(SPR)模块原创 2024-04-16 08:43:18 · 876 阅读 · 0 评论 -
YOLOv5轻量化涨点改进: 卷积魔改 | DynamicConv | CVPR2024 ParameterNet,低计算量小模型也能从视觉大规模预训练中获益
ParameterNet,旨在增加大规模视觉预训练模型中的参数数量,同时最小化FLOPs的增加,利用动态卷积将额外的参数合并到网络中。原创 2024-04-15 12:52:20 · 850 阅读 · 1 评论 -
YOLOv8轻量化涨点改进: 卷积魔改 | DynamicConv | CVPR2024 ParameterNet,低计算量小模型也能从视觉大规模预训练中获益
ParameterNet,旨在增加大规模视觉预训练模型中的参数数量,同时最小化FLOPs的增加,利用动态卷积将额外的参数合并到网络中。原创 2024-04-15 12:52:07 · 843 阅读 · 2 评论 -
YOLOv8独家改进:backbone改进 | 视觉新主干!RMT:RetNet遇见视觉Transformer | CVPR2024
RMT:一种强大的视觉Backbone,灵活地将显式空间先验集成到具有线性复杂度的视觉主干中原创 2024-03-23 09:36:49 · 628 阅读 · 0 评论 -
YOLOv5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
PKIBlock多尺度卷积核,优势无需膨胀,即插即用小目标涨点原创 2024-03-21 16:16:12 · 444 阅读 · 0 评论 -
YOLOv8独家改进: 注意力机制改进 | 上下文锚点注意力(CAA) | CVPR2024 PKINet 遥感图像目标检测
引入了CAA模块来捕捉长距离的上下文信息,利用全局平均池化和1D条形卷积来增强中心区域的特征原创 2024-03-21 15:17:20 · 1022 阅读 · 0 评论 -
YOLOv5独家改进:block改进 | RepViTBlock和C3进行结合实现二次创新 | CVPR2024清华RepViT
RepViTBlock和C3进行结合实现二次创新原创 2024-03-18 16:45:13 · 539 阅读 · 0 评论 -
YOLOv5独家改进:注意力机制改进 | 聚合注意力增强版AggregatedAttention,效果秒杀CBAM等经典注意力| CVPR2024 TransXNet
CVPR2024TransXNet 聚合注意力增强版AggregatedAttention加入到YOLOv5以及巧妙的和C3结合。原创 2024-03-13 09:38:38 · 540 阅读 · 0 评论 -
YOLOv8独家改进:backbone改进 | TransXNet:聚合全局和局部信息的全新CNN-Transformer视觉主干| CVPR2024
CVPR2024 TransXNet助力检测,代替YOLOv8 Backbone原创 2024-03-13 08:33:57 · 828 阅读 · 4 评论 -
YOLOv5独家改进:C3改进 | 最新大卷积核CNN架构UniRepLKNet,UniRepLKNetBlock结合C3,显著提升识别精度 | CVPR2024
最新大卷积核CNN架构UniRepLKNet,UniRepLKNetBlock结合C3,代替YOLOv5 c3原创 2024-03-12 08:33:23 · 388 阅读 · 0 评论 -
YOLOv8独家改进:backbone改进 | 最新大卷积核CNN架构UniRepLKNet,ImageNet 88% | CVPR2024
大核卷积一统多种模态!RepLK正统续作UniRepLKNet,代替YOLOv8 Backbone原创 2024-03-11 14:12:44 · 645 阅读 · 1 评论 -
YOLOv5创新改进:SPPF创新涨点篇 | SPPELAN:SPP创新结合ELAN ,效果优于SPP、SPPF| YOLOv9
新颖SPPF创新涨点改进,SPP创新结合ELAN,来自于YOLOv9,助力YOLOv5,将SPPELAN代替原始的SPPF原创 2024-03-05 09:19:55 · 899 阅读 · 1 评论 -
YOLOv8创新改进:SPPF创新涨点篇 | SPPELAN:SPP创新结合ELAN ,效果优于SPP、SPPF| YOLOv9
新颖SPPF创新涨点改进,SPP创新结合ELAN,来自于YOLOv9,助力YOLOv8,将SPPELAN代替原始的SPPF原创 2024-03-05 09:14:43 · 1137 阅读 · 3 评论 -
YOLOv8独家原创改进:下采样创新篇 | 新颖的下采样ADown | YOLOv9
新颖的下采样ADown来自于YOLOv9,助力YOLOv8,将ADown添加在backbone和head处,提供多个yaml改进方法原创 2024-03-05 08:38:26 · 764 阅读 · 0 评论 -
YOLOv8独家原创改进:特征融合涨点篇 | 广义高效层聚合网络(GELAN) | YOLOv9
将GELAN添加在backbone和head处,提供多个yaml改进方法原创 2024-03-04 15:41:58 · 902 阅读 · 2 评论 -
YOLOv8独家原创改进:FPN涨点篇 |多级特征融合金字塔(HS-FPN),助力小目标检测| 2024年最新论文
高层筛选特征金字塔网络(HS-FPN),能够刷选出大小目标,增强模型表达不同尺度特征的能力,助力小目标检测原创 2024-02-05 15:18:45 · 2798 阅读 · 4 评论 -
YOLOv8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
一种超轻量高效动态上采样DySample, 具有更少的参数、FLOPs,效果秒杀CAFFE和YOLOv8网络中的nn.Upsample原创 2024-02-01 14:07:28 · 1549 阅读 · 4 评论 -
YOLOv8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 | 新颖的轻量级网络,yolov8s GFLOPs 28.8降低为18.1
1)基于GSConv提出了一种Multi-Scale Ghost Conv的卷积变体,保证轻量级的同时实现涨点,2)同时结合Bottleneck,设计了一种新颖的轻量级网络。原创 2024-01-30 15:17:23 · 953 阅读 · 2 评论 -
YOLOv5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 | 新颖的轻量级网络
1)基于GSConv提出了一种Multi-Scale Ghost Conv的卷积变体,保证轻量级的同时实现涨点,2)同时结合Bottleneck,设计了一种新颖的轻量级网络。原创 2024-01-30 15:04:02 · 552 阅读 · 0 评论 -
YOLOv5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
Powerful-IoU更好、更快的收敛IoU,是一种结合了目标尺寸自适应惩罚因子和基于锚框质量的梯度调节函数的损失函数原创 2024-01-25 19:07:23 · 1042 阅读 · 0 评论 -
YOLOv8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
更加聚焦的IoU损失Focaler-IoU,能够在不同的检测任务中聚焦不同的回归样本,使用线性区间映射的方法来重构IoU损失原创 2024-01-24 13:44:02 · 990 阅读 · 0 评论 -
YOLOv8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
对小目标检测涨点明显,在VisDrone2019、PASCAL VOC均有涨点原创 2024-01-02 10:31:39 · 2231 阅读 · 0 评论 -
YOLOv8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
一种新的Shape IoU方法结合 Inner-IoU,基于辅助边框的IoU损失的同时,更加关注边界框本身的形状和尺度来计算损失原创 2024-01-05 13:09:33 · 2127 阅读 · 1 评论 -
YOLOv8涨点改进:轻量级的 Mixed Local Channel Attention (MLCA),加强通道信息和空间信息提取能力
一种轻量级的 Mixed Local Channel Attention (MLCA) 模块,该模块考虑通道信息和空间信息,并结合局部信息和全局信息以提高网络的表达效果原创 2023-12-20 13:56:15 · 2674 阅读 · 0 评论 -
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
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,最终提升检测精度原创 2023-12-08 14:00:16 · 715 阅读 · 0 评论 -
YOLOv8独家原创改进:SENet v2,Squeeze-Excitation模块融合Dense Layer,效果秒杀SENet | 2023.11月最新成果
SENet v2,针对SENet主要优化点,提出新颖的多分支Dense Layer,并与Squeeze-Excitation网络模块高效融合,融合增强了网络捕获通道模式和全局知识的能力原创 2023-12-01 14:30:17 · 2048 阅读 · 20 评论 -
YOLOv8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
可改变核卷积(AKConv),赋予卷积核任意数量的参数和任意采样形状,为网络开销和性能之间的权衡提供更丰富的选择,解决具有固定样本形状和正方形的卷积核不能很好地适应不断变化的目标的问题点,效果秒殺DSConv原创 2023-11-27 13:25:03 · 2662 阅读 · 25 评论 -
YOLOv8独家首发改进:聚合全局、局部信息模块D-Mixer和全新重叠空间降维注意力 | TransXNet ,CNN 与 ViT 的完美结合,2023.11
改进1)重叠空间降维注意(OSRA),2)混合网络模块(D-Mixer),聚合全局信息和局部细节,分别引入到YOLOv8,做到二次创新;原创 2023-11-27 10:16:01 · 1174 阅读 · 1 评论 -
YOLOv8独家改进: Inner-IoU基于辅助边框的IoU损失,高效结合 GIoU, DIoU, CIoU,SIoU 等 | 2023.11
Inner-IoU引入尺度因子ratio控制辅助边框的尺度大小用于计算损失,并与现有的基于IoU (GIoU, DIoU, CIoU,SIoU)损失进行有效结合原创 2023-11-18 12:27:03 · 1647 阅读 · 5 评论 -
YOLOv8独家改进:Inner-MPDIoU | Inner-IoU基于辅助边框的IoU损失,高效结合新型边界框相似度度量(MPDIoU) | 2023.11
Inner-IoU引入尺度因子ratio控制辅助边框的尺度大小用于计算损失,新型边界框相似度度量(MPDIoU)MPDIoU损失进行有效结合原创 2023-11-15 16:05:55 · 2329 阅读 · 11 评论 -
YOLOv5独家首发改进:全新的聚焦线性注意力模块(Focused Linear Attention)| ICCV2023 FLatten Transformer,助力 ViT 性能再加速!
本文独家改进:全新的聚焦线性注意力模块(Focused Linear Attention),既高效又具有很强的模型表达能力,解决视觉Transformer计算量过大的问题,最终引入到YOLOv8,做到二次创新;原创 2023-11-09 18:12:59 · 1337 阅读 · 9 评论 -
YOLOv8独家首发改进:全新的聚焦线性注意力模块(Focused Linear Attention)| ICCV2023 FLatten Transformer,助力 ViT 性能再加速!
全新的聚焦线性注意力模块(Focused Linear Attention),既高效又具有很强的模型表达能力,解决视觉Transformer计算量过大的问题,最终引入到YOLOv8,做到二次创新;原创 2023-11-09 18:13:16 · 1712 阅读 · 25 评论 -
YOLOv8独家改进:分层特征融合策略MSBlock | 南开大学提出YOLO-MS |超越YOLOv8与RTMDet,即插即用打破性能瓶颈
分层特征融合策略MSBlock,不同Kernel-Size卷积在不同尺度提升特征提取能力,最终引入到YOLOv8,做到二次创新;1)MSBlock使用;2)和C2f结合使用原创 2023-11-08 20:12:43 · 2099 阅读 · 5 评论 -
YOLOv8独家改进:一种新颖的可扩张残差(DWR)注意力模块,增强多尺度感受野特征,助力小目标检测
一种新颖的可扩张残差(DWR)注意力模块,加强不同尺度特征提取能力,创新十足,独家首发适合科研原创 2023-11-06 18:32:20 · 2134 阅读 · 17 评论 -
YOLOv8改进: AIFI (尺度内特征交互)助力YOLO | YOLO终结者?RT-DETR一探究竟
AIFI (尺度内特征交互)助力YOLO ,提升尺度内和尺度间特征交互能力,同时降低多个尺度的特征之间进行注意力运算,计算消耗较大等问题原创 2023-10-31 19:16:37 · 1974 阅读 · 3 评论