YOLOv5改进系列目录

最新推荐文章于 2023-12-29 06:00:00 发布
最新推荐文章于 2023-12-29 06:00:00 发布
阅读量542 收藏 14
点赞数 1
分类专栏： YOLO实战目录 文章标签： YOLO
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_40992158/article/details/132044131
版权

往期回顾:YOLOv5源码解读1.0-目录_汉卿HanQ的博客-CSDN博客

        学习完源码后，就要开始学习对模型进行改进。其中包括添加注意力机制，更换主干网络，添加损失函数，更换激活函数，更换NMS，更换neck，增加小目标检测层，更换IoU几大部分

目录

1.添加自注意力机制

1.1自注意力机制-SE

1.2自注意力机制-CBAM

1.3自注意力机制-ECA

1.4自注意力机制-SimAM

1.5自注意力机制-SOCA

1.6自注意力机制-EMA

2.更换主干网络

2.1更换主干网络-MobileNetV3

2.2更换主干网络-ShuffleNetV2

2.3更换主干网络-EfficientNetV2

2.4更换主干网络-GhostNet

3.添加损失函数

3.1添加损失函数-EIoU

3.2添加损失函数-AlphaIoU

3.3添加损失函数-SIoU

3.4添加损失函数-WIoU

4.更换激活函数

4.1更换激活函数-SiLU

4.2更换激活函数-ReLU

4.3更换激活函数-ELU

4.4更换激活函数-Hardswish

4.5更换激活函数-Mish

4.6更换激活函数-Softplus

4.7更换激活函数-AconC

5.更换NMS

5.1更换NMS-DIoU-NMS

5.2更换NMS-CIoU-NMS

5.3更换NMS-EIoU-NMS

5.4更换NMS-GIoU-NMS

5.5更换NMS-SIoU-NMS

5.6更换NMS-soft-NMS

6.更换neck

6.1更换neck-BiFPN

7.增加小目标检测层

8.更换IoU

8.1更换IoU-MPDIoU

1.添加自注意力机制

1.1自注意力机制-SE

博客:

1.2自注意力机制-CBAM

博客:

1.3自注意力机制-ECA

博客:

1.4自注意力机制-SimAM

博客:

1.5自注意力机制-SOCA

博客:

1.6自注意力机制-EMA

博客:

2.更换主干网络

2.1更换主干网络-MobileNetV3

博客:

2.2更换主干网络-ShuffleNetV2

博客:

2.3更换主干网络-EfficientNetV2

博客:

2.4更换主干网络-GhostNet

博客:

3.添加损失函数

3.1添加损失函数-EIoU

博客:

3.2添加损失函数-AlphaIoU

博客:

3.3添加损失函数-SIoU

博客:

3.4添加损失函数-WIoU

博客:

4.更换激活函数

4.1更换激活函数-SiLU

博客:

4.2更换激活函数-ReLU

博客:

4.3更换激活函数-ELU

博客:

4.4更换激活函数-Hardswish

博客:

4.5更换激活函数-Mish

博客:

4.6更换激活函数-Softplus

博客:

4.7更换激活函数-AconC

博客:

5.更换NMS

5.1更换NMS-DIoU-NMS

博客:

5.2更换NMS-CIoU-NMS

博客:

5.3更换NMS-EIoU-NMS

博客:

5.4更换NMS-GIoU-NMS

博客:

5.5更换NMS-SIoU-NMS

博客:

5.6更换NMS-soft-NMS

博客:

6.更换neck

6.1更换neck-BiFPN

博客:

7.增加小目标检测层

博客:

8.更换IoU

8.1更换IoU-MPDIoU

博客:

欣婷
关注
  • 1
    点赞
  • 踩
  • 14
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
YOLOv5改进 | 添加CA注意力机制 + 增加预测层 + 更换损失函数之GIoU
突然好想你
11-11 1万+
在小目标场景的检测中，存在远距离目标识别效果差的情形，本节课提出一种基于改进YOLOv5的小目标检测方法。经过试验表明，改进后的模型可以有效检测出远距离小目标，在小目标场景下具有较强的泛化能力。🌈
YOLOv5算法改进（1）— 如何去改进YOLOv5算法
突然好想你
08-15 6494
为了让大家能够清楚地了解如何去改进YOLOv5算法以及从哪几方面去进行改进，本篇文章就简单介绍一下本系列的算法改进思想！
YOLOv5改进（一）改进的核心内容
qq_45874142的博客
05-08 9967
本节介绍了改进YOLOv5中的较难部分：添加自己设计的模块的办法，需要设计自己的模块，并推导一些尺度和通道数，然后在yaml文件中配置模型参数，在yolo.py中配置输出通道数，如果自己推导了整个模型每层的尺寸和通道数，配置这些参数就相对容易。
YOLOv5改进（CONTEXT AUGMENTATION MODULE，CAM）
eagleflying_cau的博客
06-10 1534
方法（a）是加权融合，方法（b）是自适应融合 ，即假设输入的大小可以表示为（bs，C，H，W），可以通过执行卷积运算来获得（bs，3，H，W）的空间自适应权重连接和Softmax。三个通道与三个输入一一对应，通过计算加权和，可以将上下文信息聚合到输出，方法（c）是做concatenation，例：a = np.array([[1,2],[3,4]]),b =np.arrat([[5,6]]),c=np.concatenate((a,b)),c=array([1,2],[3,4],[5,6]).
yolov5详解与改进
qq_44089890的博客
04-13 8087
https://github.com/z1069614715/objectdetection_scriptOptimal Transport Assignment（OTA）是YOLOv5中的一个改进，它是一种更优的目标检测框架，可以在保证检测精度的同时，大幅提升检测速度。在传统的目标检测框架中，通常采用的是匈牙利算法（Hungarian Algorithm）进行目标与检测框的匹配。这种算法虽然能够找到最优匹配，但是在实际应用中，由于匹配的计算量过大，往往会导致检测速度过慢。OTA算法通过引入一种新的目标与检
如何改进YOLOv5？这篇告诉你如何修改让检测更快、更稳！！
qq_53545309的博客
10-29 3745
值得注意的是，由于功能通道的减少，特征图会出现信息丢失，并且在其他level的特征图中只包含一些不太相关的上下文信息。针对这一问题，提出了一种简单而有效的方法，即感受野金字塔(RFP)，以增强特征金字塔的表示能力，并驱动网络学习最优的特征融合模式。而在扩张卷积的卷积运算中，卷积核的元素是间隔的，空间的大小取决于膨胀率，这与标准卷积运算中卷积核的元素都是相邻的不同。FEM主要是根据检测到的交通标志尺度的不同，利用扩张卷积自适应地学习每个特征图中的不同感受野，从而提高多尺度目标检测识别的准确性。
基于YOLOv5改进实现消融实验使其更轻、更快、更容易部署（源码+说明文档）.rar
04-15
1、资源内容：基于yolov5改进进行一系列消融实验使其更轻、更快、更容易部署（完整源码+说明文档+数据）.rar 2、代码特点：参数化编程、参数可方便更改、代码编程思路清晰、注释明细。 3、适用对象：计算机，电子...
基于YOLOV5、SwintransformV2和Attention系列的改进研究
最新发布
05-25
基于YOLOV5、SwintransformV2和Attention系列的改进研究。培训技能、业务定制、工程部署C
【YOLOv5改进系列(8)】高效涨点-添加yolov7中Aux head 辅助训练头-相关代码
03-29
将文件夹中的代码全部复制到你的项目当中，替换掉原有的代码，主要要使用yolov5-v7.0的项目版本。
基于Web和改进YOLOv5的活菌检测系统
02-26
YOLOv5是YOLO（You Only Look Once）系列算法的最新版本，它采用了一种基于单阶段的目标检测方法，具有较高的检测速度和准确性。然而，传统的YOLOv5算法在活菌检测任务中存在一些问题，例如对于小尺寸的活菌检测效果...
深入浅出Yolo系列之Yolov3&Yolov4&Yolov5&Yolox核心基础知识完整讲解_江南研习社-CSDN博客_深入浅
08-04
1. CBM：Yolov4网络结构中的最小组件，由Conv+Bn+Mish激活函数三者组成 3. Res unit：借鉴Resnet网络中的残差结构，让网络可以
YOLOv5改进：更换Neck（结合BiFPN，ASFF）
07-10
PyTorch版的YOLOv5是一个当前非常流行的目标检测器，本课程讲述对YOLOv5更换Neck的改进方法，结合BiFPN或ASFF特征融合机制来提高其性能。本课程在YOLOv5 v6.1版本代码的基础上更换Neck，在Windows系统和Ubuntu系统上演示针对自己的数据集结合BiFPN或ASFF特征融合机制、重头训练和性能评估过程，并讲解BiFPN和ASFF特征融合原理以及针对结合BiFPN或ASFF特征融合的代码修改部分。项目实战过程包括：PyTorch环境安装、YOLOv5项目安装、准备自己的数据集、修改配置文件、训练网络模型以及性能评估。相关课程：《YOLOv5改进：更换骨干网》 https://download.csdn.net/course/detail/37465《YOLOv5改进：添加注意力机制》 https://download.csdn.net/course/detail/37530 《YOLOv5改进：更换Neck（结合BiFPN,ASFF）》 https://download.csdn.net/course/detail/37577
YOLOv5改进 | 注意力篇 | 全新的FocusedLinearAttention聚焦线性注意力（附代码 + 修改教程）
Snu77的博客
12-29 3100
本文给大家带来的改进机制是Focused Linear Attention（聚焦线性注意力）是一种用于视觉Transformer模型的注意力机制(但是其也可以用在我们的YOLO系列当中从而提高检测精度)，旨在提高效率和表现力。其解决了两个在传统线性注意力方法中存在的问题：聚焦能力和特征多样性。这种方法通过一个高效的映射函数和秩恢复模块来提高计算效率和性能，使其在处理视觉任务时更加高效和有效。简言之，Focused Linear Attention是对传统线性注意力方法的一种重要改进，提高了模型的聚焦能力和特
YOLO V5 改进详解
leeyns的博客
11-29 5316
YOLO V5 论文详解
多种轻量化算法改进YOLOv5模型
m0_61348166的博客
08-30 1809
【代码】多种轻量化算法改进YOLOv5模型。
YOLOv5改进实战（导读篇） | YOLOv5 7.0 网络结构超详细解读
w94ghz的博客
09-21 9985
YOLOv5解析 | 番外篇：如何改进YOLOv5？
05-23 2万+
大家好，我是K同学啊！ 在前面的文章YOLOv5解析 | 第二篇：用YOLOv5训练自己的数据集（超级详细完整版）中我们介绍了使用训练自己的数据集。 这一篇文章，我将带大家一起解析 YOLOv5 的 6.0 版本结构，先看看我们模型结构图~ 由于YOLOv5存在多个版本，所以你在网上可能会看到许多不同版本是网络结构图。（这里放的是最新的YOLOv5 的 6.0 版本结构图） 文章目录一、YOLOv5的结构文件二、修改网络结构 一、YOLOv5的结构文件 我们如何找到YOLOv5的结构文件？ 文件定位：…/
YOLOV5改进-Focal-EIoU
qq_69854365的博客
08-09 1460
回归通过确定(梯度信号)损失函数减小的方向，梯度是损失函数关于参数的导数，它表示了损失函数在参数空间中的变化率。损失函数是描述模型预测结果与真实标签（ground truth）之间的关系。通过计算损失函数对参数的梯度，我们可以确定梯度的方向，并沿着负梯度方向更新参数，使得损失函数逐步减小。回归loss主要有两种loss函数，ln​-norm函数和IoU-based函数IoU-based函数中的四个loss。
【YOLO系列】YOLOv5超详细解读（源码详解＋入门实践＋改进）
热门推荐
路人贾的博客
03-03 11万+
一文带你详细了解YOLOv5（含YOLO系列论文讲解+源码详解+入门实践+算法改进）
yolov5改进shuffle主干系列:高效结合
09-21
yolov5改进shuffle主干系列是一种高效的结合方法。Yolov5是一种先进的目标检测算法，而shuffle主干是一种基于通道重排的网络结构。通过将这两种方法结合，我们可以进一步提高目标检测的效率和准确性。 具体而言，...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值