YOLOv7原创自研
文章平均质量分 92
自研原创独家创新,适合paper,全网首发;打造精品专栏,强调原创高质量;
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
-
YOLOv7全网独家改进: 卷积魔改 | 变形条状卷积,魔改DCNv3二次创新
变形条状卷积,DCNv3改进版本,不降低精度的前提下相比较DCNv3大幅度运算速度原创 2024-04-10 08:59:52 · 580 阅读 · 8 评论 -
YOLOv7独家原创改进:原创自研 | 创新自研CPMS注意力,多尺度通道注意力具+多尺度深度可分离卷积空间注意力,全面升级CBAM
自研CPMS,多尺度通道注意力具+多尺度深度可分离卷积空间注意力,全面升级CBAM原创 2023-12-04 13:01:50 · 1532 阅读 · 2 评论 -
《YOLOv7原创自研》专栏介绍 & CSDN独家改进创新实战&专栏目录
全网独家首发创新(原创),适合paper !!!原创 2023-12-02 14:54:28 · 1903 阅读 · 0 评论 -
YOLOv7独家原创改进:原创自研 | 自研独家创新MSAM注意力,通道注意力升级,魔改CBAM
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原创 2023-11-29 13:17:22 · 2131 阅读 · 6 评论 -
YOLOv7独家原创改进:原创自研 | 新颖自研设计的BSAM注意力,基于CBAM升级
提出新颖的注意力BSAM(BiLevelRouting SpatialAttention Module),CBAM结合BiLevelRoutingAttention创新,效果秒杀CBAM原创 2023-11-04 13:52:48 · 1244 阅读 · 6 评论 -
YOLOv7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 16:20:37 · 978 阅读 · 3 评论 -
YOLOv7首发改进:注意力魔改 | 高效的部分自注意力(PSA)模块,来自YOLOv10
高效的部分自注意力(PSA)模块,来自YOLOv10原创 2024-05-30 10:49:35 · 37 阅读 · 0 评论 -
YOLOv7独家原创改进: 特征融合创新 | 一种基于内容引导注意力(CGA)的混合融合 | IEEE TIP 2024 浙大
提出了一种基于内容引导注意力(CGA)的混合融合方案原创 2024-05-12 10:25:51 · 101 阅读 · 2 评论 -
YOLOv7独家原创改进: 一种新颖的通用倒瓶颈(UIB)搜索块助力检测| 轻量化之王MobileNetV4
一种新颖的通用倒瓶颈(UIB)搜索块助力检测| 轻量化之王MobileNetV4原创 2024-05-10 08:44:33 · 49 阅读 · 0 评论 -
YOLOv7原创改进:图像去噪 |一种新颖的双分支残差注意,助力低光照、红外小目标检测 | 2024年最新发表(全网独家首发)
如何跟YOLOv7结合:RAB和HDRAB引入到backbone原创 2024-04-26 09:30:20 · 109 阅读 · 0 评论 -
YOLOv7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 2024-04-16 19:03:53 · 494 阅读 · 0 评论 -
YOLOv7原创独家改进: loss优化 | 一种新的自适应阈值焦点损失函数loss,助力红外小目标暴力涨点
提出了一种新的自适应阈值焦点损失函数,该函数将目标和背景解耦,并利用自适应机制来调整损失权重,迫使模型将更多的注意力分配给目标特征。原创 2024-04-12 08:56:47 · 629 阅读 · 0 评论 -
YOLOv7创新改进: 小目标 |新颖的多尺度前馈网络(MSFN) | 2024年4月最新成果
多尺度前馈网络(MSFN),通过提取不同尺度的特征来增强特征提取能力,2024年最新的改进思路原创 2024-04-03 15:07:00 · 861 阅读 · 5 评论 -
YOLOv7原创独家改进: 小目标 | 注意力 |卷积和注意力融合模块(CAFMAttention) | 2024年4月最新成果
卷积和注意力融合模块(CAFMAttention),增强对全局和局部特征的提取能力,2024年最新的改进思路原创 2024-04-03 15:06:44 · 541 阅读 · 0 评论 -
YOLOv7原创独家改进: 小目标 | CAMixing:卷积-注意融合模块和多尺度提取能力 | 2024年4月最新成果
红外小目标实现涨点,只有几个像素的小目标识别率提升明显原创 2024-04-03 15:06:16 · 486 阅读 · 0 评论 -
YOLOv7全网首发改进: 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
小目标数据集,涨点近两个点,强烈推荐原创 2024-03-21 16:28:55 · 475 阅读 · 1 评论 -
YOLOv7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 16:14:51 · 381 阅读 · 2 评论 -
YOLOv7独家改进:block改进&原创自研 | DilatedReparamBlock结合YOLOv9RepNCSPELAN4二次创新| CVPR2024 大卷积核CNN架构UniRepLKNet
DilatedReparamBlock结合YOLOv9RepNCSPELAN4二次创新原创 2024-03-12 08:50:17 · 431 阅读 · 0 评论 -
YOLOv7原创改进:原创自研 | CVPR2024 DCNv4结合YOLOv9 SPPELAN二次创新 | 涨点小能手
CVPR2024 DCNv4结合YOLOv9 SPPELAN二次创新原创 2024-03-09 08:56:07 · 358 阅读 · 0 评论 -
YOLOv7独家原创改进:特征融合涨点篇 | 广义高效层聚合网络(GELAN) | YOLOv9
即结合用梯度路径规划(CSPNet)和(ELAN)设计了一种广义的高效层聚合网络(GELAN),高效结合YOLOv7,实现涨点。原创 2024-03-05 13:52:42 · 535 阅读 · 2 评论 -
YOLOv7优化改进: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YOLOv7,将ADown添加在backbone和head处,提供多个yaml改进方法原创 2024-03-05 13:39:24 · 452 阅读 · 0 评论 -
YOLOv7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原创 2024-03-05 13:39:11 · 721 阅读 · 0 评论 -
YOLOv7独家原创改进:大核卷积涨点系列| Shift-ConvNets,稀疏/移位操作让小卷积核也能达到大卷积核效果 | 2024年最新论文
在多个私有数据集和公开数据集VisDrone2019、PASCAL VOC实现涨点原创 2024-02-08 14:43:21 · 1696 阅读 · 3 评论 -
YOLOv7改进:下采样系列 | 一种新颖的基于 Haar 小波的下采样HWD,有效涨点系列
一种新颖的基于 Haar 小波的下采样HWD,有效涨点系列原创 2024-02-02 08:49:29 · 1815 阅读 · 2 评论 -
YOLOv7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YOLOv5网络中的nn.Upsample原创 2024-02-01 08:48:04 · 840 阅读 · 0 评论 -
YOLOv7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
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,原创 2024-02-01 08:47:15 · 490 阅读 · 0 评论 -
YOLOv7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
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创 2024-01-27 13:54:05 · 383 阅读 · 3 评论 -
YOLOv7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 19:06:52 · 756 阅读 · 1 评论 -
YOLOv7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 13:43:06 · 507 阅读 · 2 评论 -
YOLOv7全网独家首发:DCNv4更快收敛、更高速度、更高性能,效果秒杀DCNv3、DCNv2等 ,助力检测实现暴力涨点
DCNv4更快收敛、更高速度、更高性能,完美和YOLOv7结合,助力涨点原创 2024-01-19 09:44:22 · 836 阅读 · 1 评论 -
YOLOv7独家原创改进:多层次特征融合(SDI)结合PConv、DualConv、GSConv,实现二次创新 | UNet v2最新论文
多层次特征融合(SDI)高效结合DualConv、PConv、GSConv等实现二次创新原创 2024-01-14 15:22:37 · 1052 阅读 · 0 评论 -
YOLOv7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 13:10:27 · 1683 阅读 · 1 评论 -
YOLOv7独家原创改进:一种新颖的自适应空间相关性金字塔注意力 ,实现小目标暴力涨点
自适应空间相关性金字塔注意力 ----提取特征图的多尺度空间信息,并且进行空间相关特征重标定,最后选择性地增强有效的特征,最终在YOLOv7进行实现,在小目标检测领域上实现暴力涨点。原创 2024-01-04 08:38:45 · 1558 阅读 · 0 评论 -
YOLOv7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
本文改进:一种新的Shape IoU方法,该方法可以通过关注边界框本身的形状和尺度来计算损失,解决边界盒的形状和规模等固有属性对边界盒回归的影响。原创 2024-01-02 10:49:26 · 1645 阅读 · 0 评论 -
YOLOv7涨点技巧:一种新颖的多尺度滑窗注意力,助力小目标和遥感影像场景
提出了一种新颖的多尺度滑窗注意力机制,有效的应用在遥感影像和小目标场景,实现涨点。原创 2023-12-23 20:57:07 · 1129 阅读 · 0 评论 -
YOLOv7原创改进:原创自研 | 一种新颖的跨通道交互的高效率通道注意力EMCA,ECA注意力改进版
基于ECA注意力,提出了一种新颖的EMCA注意力(跨通道交互的高效率通道注意力),保持高效轻量级的同时,提升多尺度提取能力原创 2023-12-16 13:16:15 · 1444 阅读 · 2 评论 -
YOLOv7独家原创改进:多种新颖的改进方式 | 保持原始信息-深度可分离卷积(MDSConv) | 全局感受野的空间金字塔 (Improve-SPPF)算法 | CA注意力改进版
多种新颖的改进方式 | 保持原始信息-深度可分离卷积(MDSConv) | 全局感受野的空间金字塔 (Improve-SPPF)算法 | CA注意力改进版原创 2023-12-14 09:03:46 · 1159 阅读 · 2 评论 -
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
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原创 2023-12-13 08:33:31 · 1504 阅读 · 0 评论 -
YOLOv7独家原创改进:轻量化自研设计双卷积,重新设计backbone和neck卷积结构,完成涨点且计算量和参数量显著下降
双卷积由组卷积和异构卷积组成,执行 3×3 和 1×1 卷积运算代替其他卷积核仅执行 1×1 卷积,YOLOv7 Conv,从而轻量化YOLOv7-tiny原创 2023-12-11 08:58:34 · 2305 阅读 · 2 评论 -
YOLOv7全网独家首发改进:SENet v2,Squeeze-Excitation模块融合Dense Layer,效果秒杀SENet
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 14:28:43 · 873 阅读 · 3 评论