芒果YOLOv5改进40：主干Backbone篇之全新架构：实测私有数据集涨点，首发最新改进一种强大性能的全新架构(顶会2022), （内附代码）该架构精度超越TPH-YOLOv5, 新范式高效涨点

• 💡该教程包含大量的原创首发改进方式, 所有文章都是原创首发改进内容🚀
  降低改进难度,改进点包含最新最全的Backbone部分、Neck部分、Head部分、注意力机制部分、自注意力机制部分等完整教程🚀
• 💡本篇文章基于 基于 YOLOv7、YOLOv5 等网络 该X架构精度在 VisDrone数据集上远远超越YOLOv5模型、同时超越TPH-YOLOv5模型表现！首发最新改进一种强大性能的全新架构(附YOLOv7改进), 新范式高效涨点，打造高性能、轻量级检测器 改进。
• 本文提出 原创X结构（详情见文中内容），并进行深度改进优化，将参数量和计算量控制在合理范围，内容包括理论部分和改进全部源代码，代码直接运行🚀

💡🚀🚀🚀内含·改进源代码·，按步骤操作运行改进后的代码即可
重点：🔥🔥🔥有同学已经使用这个 创新点 在自己的数据集改进做完实验： 在小目标检测上的效果很强！mAP精度涨点了！！实测改进有效，有点强

• 注：该改进结构源代码，全网其他地方都不会有.

一、论文理论部分

具体细节看这篇论文：https://arxiv.org/abs/2201.09792

1.介绍

3.在VisDrone数据集上表现(超越YOLOv5、TPH-YOLOv5等模型)

模型	mAP
YOLOv5s	0.18063
YOLOv5L	0.236
TPH-YOLOv5	0.38152
改进该架构模型	0.3