YOLOv7/v9改进涨点合集
文章平均质量分 94
yolov7有效涨点,论文复现
kay_545
在职算法工程师,面试官
一篇SCI一区第一作者,两篇SCI二区第一作者,指导多位师弟师妹完成高水平论文创作
展开
-
目标检测新SOTA:YOLOv9问世,新架构让传统卷积重焕生机(附代码)
在目标检测领域,YOLOv9 实现了一代更比一代强,利用新架构和方法让传统卷积在参数利用率方面胜过了深度卷积。继 2023 年 1 月正式发布一年多以后,YOLOv9 终于来了!我们知道,YOLO 是一种基于图像全局信息进行预测的目标检测系统。自 2015 年 Joseph Redmon、Ali Farhadi 等人提出初代模型以来,领域内的研究者们已经对 YOLO 进行了多次更新迭代,模型性能越来越强大。原创 2024-02-24 14:47:04 · 1143 阅读 · 2 评论 -
YOLOv7 | 注意力机制 | 添加ECA注意力机制
ECA 模块图给定通过全局平均池化 (GAP) 获得的聚合特征,ECA 通过执行大小为 k 的快速一维卷积来生成通道权重,其中 k 通过通道维度 C 的映射自适应确定。首先回顾 SENet 中的通道注意模块(即 SE 块)。然后,我们通过分析降维和跨渠道交互的影响,对 SE 区块进行实证诊断。这促使我们提出 ECA 模块。此外,一种自适应确定 ECA 参数的方法,并最终展示如何将其应用于深度 CNN。在重新审视SE块之后,进行了实证比较,分析通道降维和跨通道交互对通道注意力学习的影响。原创 2024-03-26 16:16:47 · 364 阅读 · 0 评论 -
YOLOv7 | 添加GSConv,VoVGSCSP等多种卷积,有效提升目标检测效果,代码改进(超详细)
本实验引入了一种新的轻量级卷积方法 GSConv,使深度可分离卷积达到接近普通卷积的效果并且更加高效。设计了一次性聚合模块 VoV-GSCSP 来代替普通的瓶颈模块以加速推理。此外,我们还提供轻量化的细颈设计范例。在我们的实验中,与其他轻量级卷积方法相比,GSConv 显示出更好的性能。。原创 2024-03-16 17:53:02 · 2287 阅读 · 0 评论