- 💡统一使用 YOLOv5 代码框架,结合不同模块来构建不同的YOLO目标检测模型。
- 🌟包含大量的改进方式,降低改进难度,改进点包含
【Backbone特征主干】
、【Neck特征融合】
、【Head检测头】
、【注意力机制】
、【IoU损失函数】
、【NMS】
、【Loss计算方式】
、【自注意力机制
】、【数据增强部分】
、【标签分配策略
】、【激活函数
】等各个部分
一、MobileNetV3论文理论部分
论文展示了基于互补搜索技术和新颖架构设计组合的下一代 MobileNet。 MobileNetV3 通过硬件感知网络架构搜索 (NAS) 的组合与 NetAdapt 算法相结合,针对手机 CPU 进行了调整,然后通过新颖的架构进步进行了改进。本文开始探索自动搜索算法和网络设计如何协同工作以利用互补方法改进整体技术水平。通过这个过程,我们创建了两个新的 MobileNet 模型以供发布:MobileNetV3-Large 和 MobileNetV3-Small,它们分别针对高资源和低资源用例。然后对这些模型进行调整并将其应用于对象检测和语义分割的任务。对于语义分割(或任何密集像素预测)的任务,我们提出了一种新的高效分割解码器 Lite Reduced Atrous Spatial Pyramid Pooling (LR-ASPP)。我们在移动分类、检测和