YOLOv9魔术师
文章平均质量分 96
订阅者私信添加本人微信入群!!!
优惠券已抵扣
余额抵扣
还需支付
¥199.90
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
-
YOLOv9改进策略 :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改进版
一种新颖的跨通道交互的高效率通道注意力EMCA,ECA改进版原创 2024-05-13 22:43:17 · 273 阅读 · 0 评论 -
YOLOv9改进策略 :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 09:00:10 · 974 阅读 · 4 评论 -
YOLOv9改进策略 :原创自研 | 自研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 2024-04-06 10:51:03 · 1091 阅读 · 1 评论 -
YOLOv9改进策略 :原创自研 | 自研独家创新BSAM注意力 ,基于CBAM升级
自研独家创新BSAM注意力 ,基于CBAM升级原创 2024-03-31 16:10:01 · 912 阅读 · 7 评论 -
《YOLOv9魔术师专栏》专栏介绍 & 专栏目录
《YOLOv9魔术师专栏》专栏介绍原创 2024-03-28 12:44:06 · 3164 阅读 · 11 评论 -
YOLOv9改进策略 :主干backbone优化 | 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!
MobileNetV4 轻量级backbone改进结果如下,238.9 GFLOPs降低至209.3 GFLOPs原创 2024-05-21 09:50:40 · 150 阅读 · 0 评论 -
YOLOv9独家原创改进: 主干backbone优化 | 微软新作StarNet:超强轻量级Backbone CVPR 2024
StarNet轻量级backbone改进结果如下,238.9 GFLOPs降低至192.7 GFLOPs原创 2024-05-21 09:50:21 · 259 阅读 · 0 评论 -
YOLOv9独家原创改进:mamba系列 | 视觉态空间(VSS)块结合C2f二次创新,轻量级改进 | VMamba2024年最新成果
视觉态空间(VSS)块结合C2f二次创新,轻量级改进原创 2024-05-20 21:03:57 · 91 阅读 · 1 评论 -
YOLOv9独家原创改进: 逐元素乘法(star operation)结合C2f二次创新 | 微软新作StarNet:超强轻量级Backbone CVPR 2024
逐元素乘法(star operation)在性能上始终优于求和,基于star operation块做二次创新原创 2024-05-15 20:34:26 · 258 阅读 · 1 评论 -
YOLOv9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
一种基于内容引导注意力(CGA)的混合融合原创 2024-05-11 08:46:54 · 294 阅读 · 0 评论 -
YOLOv9改进策略 :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 08:45:14 · 184 阅读 · 0 评论 -
YOLOv9改进策略 :卷积魔改 | RepVGG-gelan,一种基于RepVGG的新型YOLO架构 | 2024年5月最新发表
RepVGG-GELAN在240.7 GFLOPs的工作速度下,比最新的现有方法提高了4.91%的精度和2.54%的AP50。原创 2024-05-08 09:14:36 · 166 阅读 · 0 评论 -
YOLOv9改进策略 :多个组合点如何组合创新,助力科研
多个组合点如何创新,解决订阅后不会将多个组合点合在一起,不会写yaml文件的烦恼。原创 2024-05-07 13:49:46 · 208 阅读 · 0 评论 -
YOLOv9改进策略 :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
本人在小目标数据集涨点明显,订阅者常规数据集如缺陷检测NEU-DET、农业病害检测等也取得涨点;原创 2024-04-27 08:18:28 · 354 阅读 · 1 评论 -
YOLOv9改进策略 :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YOLOv9结合:RAB和HDRAB引入到backbone原创 2024-04-27 08:18:09 · 427 阅读 · 3 评论 -
YOLOv9改进策略 :卷积魔改 | 保持原始信息-深度可分离卷积MDSConv(全网独家创新改进)
为了解决经典深度卷积后通道间信息缺失和降维导致的信息缺失问题,提出了保持原始信息-深度可分离卷积(MODSConv)原创 2024-04-23 08:29:15 · 377 阅读 · 0 评论 -
YOLOv9改进策略 :卷积魔改 | 一种多尺度的GSConv残差卷积变体MSGAConv,轻量化的同时能够实现涨点 (全网独家创新改进)
基于GSConv提出了一种Multi-Scale Ghost Residual Conv的残差卷积变体MSGAConv,保证轻量级的同时实现涨点原创 2024-04-23 08:28:46 · 543 阅读 · 0 评论 -
YOLOv9改进策略 :卷积魔改 | 一种多尺度的GSConv卷积变体MSGConv,轻量化的同时能够实现涨点 (全网独家创新改进)
基于GSConv提出了一种Multi-Scale Ghost Conv的卷积变体MSGConv,保证轻量级的同时实现涨点原创 2024-04-23 08:28:20 · 163 阅读 · 0 评论 -
YOLOv9改进策略 :卷积魔改 | 轻量化双卷积DualConv,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。原创 2024-04-22 13:11:00 · 321 阅读 · 1 评论 -
YOLOv9改进策略 :卷积魔改 | 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 2024-04-22 12:40:03 · 312 阅读 · 0 评论 -
YOLOv9轻量化改进策略 :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
动态卷积引入到YOLOv9:1)DynamicConv;2)DynamicConv+Bn+Act;原创 2024-04-16 19:04:27 · 1123 阅读 · 5 评论 -
基于YOLOv9的道路缺陷检测,加入DCNv4、自研BSAM注意力、极简的神经网络VanillaBlock 、自适应阈值焦点损失提升检测精度
针对基于YOLOv9的道路缺陷检测进行性能提升,加入各个创新点做验证性试验。原创 2024-04-12 08:52:13 · 1216 阅读 · 1 评论 -
YOLOv9改进策略 : loss优化 | 一种新的自适应阈值焦点损失函数loss,更多的注意力分配给目标特征,助力红外小目标暴力涨点
一种新的自适应阈值焦点损失函数loss,更多的注意力分配给目标特征原创 2024-04-12 08:46:22 · 693 阅读 · 1 评论 -
YOLOv9改进策略 :红外小目标 | 注意力 | 并行化注意力设计(PPA)模块,红外小目标暴力涨点 | 2024年3月最新成果
解决目标的大小微小以及红外图像中通常具有复杂的背景的问题点原创 2024-04-11 08:38:19 · 488 阅读 · 0 评论 -
YOLOv9改进策略 :红外小目标 | 注意力 |多膨胀通道精炼(MDCR)模块,红外小目标暴力涨点| 2024年3月最新成果
红外小目标实现暴力涨点,只有几个像素的小目标识别率大幅度提升原创 2024-04-11 08:38:00 · 423 阅读 · 0 评论 -
YOLOv9改进策略 :红外小目标 | 注意力 | 维度感知选择性集成模块DASI,红外小目标暴力涨点| 2024年3月最新成果
维度感知选择性集成模块DASI,解决目标的大小微小以及红外图像中通常具有复杂的背景的问题点,2024年3月最新成果原创 2024-04-11 08:37:41 · 418 阅读 · 0 评论 -
YOLOv9改进策略 :小目标 | 新颖的多尺度前馈网络(MSFN) | 2024年4月最新成果
多尺度前馈网络创新十足,抢先使用原创 2024-04-04 14:14:38 · 1219 阅读 · 3 评论 -
YOLOv9改进策略 :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
创新点:卷积和注意力巧妙设计原创 2024-04-04 14:12:29 · 728 阅读 · 0 评论 -
YOLOv9改进策略 : 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
CAMixingBlock更好的提取全局上下文信息和局部特征,包括两个部分:卷积-注意融合模块和多尺度前馈网络;原创 2024-04-04 14:09:55 · 607 阅读 · 0 评论 -
YOLOv9改进策略 :IoU优化 | 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
二次创如何结合Shape IoU、MPDIoU、GIoU、DIoU、CIoU等原创 2024-04-02 08:50:04 · 573 阅读 · 0 评论 -
YOLOv9改进策略 :IoU优化 | 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
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 2024-04-02 08:49:42 · 471 阅读 · 0 评论 -
YOLOv9改进策略 :IoU优化| 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)| 二次创新
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 2024-04-01 21:17:34 · 369 阅读 · 0 评论 -
YOLOv9改进策略 :IoU优化| Inner-IoU基于辅助边框的IoU损失,高效结合 GIoU, DIoU, CIoU,SIoU 等 | 2023.11
适用场景:小目标数据集,涨点近两个点,强烈推荐原创 2024-04-01 21:16:29 · 373 阅读 · 0 评论 -
YOLOv9改进策略 :主干backbone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
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。原创 2024-04-01 14:32:30 · 772 阅读 · 5 评论 -
YOLOv9改进策略 :手把手入门系列篇 | 创新点如何在自己数据集上高效涨点,解决不涨点掉点等问题 | EMA注意力作为案例展开
将创新点放入不同网络位置并提供对应的yaml文件,总有一种能够在你数据集下高效涨点原创 2024-04-01 14:31:59 · 2391 阅读 · 1 评论 -
YOLOv9改进策略 :注意力机制 | 通道优先卷积注意力,效果秒杀CBAM和SE等
引入到YOLOv9,效果秒杀CBAM和SE原创 2024-03-31 10:32:23 · 374 阅读 · 0 评论 -
YOLOv9改进策略 :卷积魔改 | 感受野注意力卷积运算(RFAConv)
感受野注意力卷积运算(RFAConv),解决卷积块注意力模块(CBAM)和协调注意力模块(CA)只关注空间特征,不能完全解决卷积核参数共享的问题原创 2024-03-31 10:29:25 · 525 阅读 · 3 评论 -
YOLOv9改进策略:注意力机制 | 多维协作注意模块MCA,暴力涨点,效果秒杀ECA、SRM、CBAM等 | 即插即用系列,原创独家首发
多维协作注意模块MCA,暴力涨点,效果秒杀ECA、SRM、CBAM,创新性十足,可直接作为创新点使用。原创 2024-03-31 10:24:38 · 395 阅读 · 0 评论 -
YOLOv9改进策略 :主干篇 | 南开大学提出LSKNet,遥感旋转目标检测新SOTA ,ICCV 2023
动态调整特征提取骨干的感受野,以便更有效地处理被检测大小物体的不同的检测能力原创 2024-03-31 10:04:03 · 339 阅读 · 2 评论 -
YOLOv9改进策略 :注意力机制 | 可变形自注意力Attention,增强sparse attention 的表征能⼒,同时具有线性空间复杂度,即插即用系列
可形变与attention 的完美融合| 亲测在多个数据集实现暴力涨点,对遮挡场景、小目标场景提升也明显;原创 2024-03-31 10:00:35 · 306 阅读 · 1 评论