前 言
YOLO算法改进系列出到这,很多朋友问改进如何选择是最佳的,下面我就根据个人多年的写作发文章以及指导发文章的经验来看,按照优先顺序进行排序讲解YOLO算法改进方法的顺序选择。具体有需求的同学可以私信我沟通:首推,是将两种最新推出算法的模块进行融合形成最为一种新型自己提出的模块然后引入到YOLO算法中,可以起个新的名字,这种改进是最好发高水平期刊论文。后续改进将主要教大家这种方法,有需要的朋友可私信我了解。
第一,创新主干特征提取网络,将整个Backbone改进为其他的网络,比如这篇文章中的整个方法,直接将Backbone替换掉,理由是这种改进如果有效果,那么改进点就很值得写,不算是堆积木那种,也可以说是一种新的算法,所以做实验的话建议朋友们优先尝试这种改法。
第二,创新特征融合网络,这个同理第一,比如将原yolo算法PANet结构改进为Bifpn等。
第三,改进主干特征提取网络,就是类似加个注意力机制等。根据个人实验情况来说,这种改进有时候很难有较大的检测效果的提升,乱加反而降低了特征提取能力导致mAP下降,需要有技巧的添加。
第四
YOLOv9/YOLOv8算法改进【NO.124】 自研金字塔模块EHSFPN改进YOLO算法
于 2024-04-29 06:26:39 首次发布
本文介绍了针对YOLO算法的改进方法,尤其是创新提出EHSFPN模块,结合Efficient Local Attention(ELA)技术,提升特征定位与融合效率。通过对Backbone和特征融合网络的改进,特别是ELA带来的轻量级高性能,该方法适用于YOLO系列及其他目标检测网络的优化。
摘要由CSDN通过智能技术生成