- 博客(135)
- 资源 (2)
- 收藏
- 关注
原创 改进YOLO系列:改进YOLOv8,教你YOLOv8如何添加20多种注意力机制,并实验不同位置。
注意力机制(Attention Mechanism)是深度学习中一种重要的技术,它可以帮助模型更好地关注输入数据中的关键信息,从而提高模型的性能。注意力机制最早在自然语言处理领域的序列到序列(seq2seq)模型中得到广泛应用,后来逐渐扩展到了计算机视觉、语音识别等多个领域。注意力机制的基本思想是为输入数据的每个部分分配一个权重,这个权重表示该部分对于当前任务的重要程度。
2023-04-10 16:12:34 60833 166
原创 改进YOLOv8系列:加入多尺度卷积注意力MSCA注意力: ,即插即用,助力小目标检测
改进YOLOv8系列:加入多尺度卷积注意力MSCA注意力: ,即插即用,助力小目标检测
2024-09-07 10:23:43 260
原创 改进YOLOv8系列:加入非对称卷积块ACNet,加强CNN 的内核骨架
改进YOLOv8系列:加入非对称卷积块ACNet,加强CNN 的内核骨架
2024-08-10 11:23:03 110
原创 YOLOv5改进 | 多尺度特征提取 | 结合多样分支块及融合的高级设计(CVPR2021)
YOLOv5改进 | 多尺度特征提取 | 结合多样分支块及融合的高级设计(CVPR2021)
2024-08-04 10:21:52 1261
原创 YOLOv5轻量化改进 | backbone | 结合MobileNetV4(包含多个结构和使用方式)
YOLOv5轻量化改进 | backbone | 结合MobileNetV4(包含多个结构和使用方式)
2024-08-03 22:06:06 294
原创 改进YOLOv5:加入非对称卷积块ACNet,加强CNN 的内核骨架,包含VOC对比实验
改进YOLOv5:加入非对称卷积块ACNet,加强CNN 的内核骨架,包含VOC对比实验
2024-08-02 19:27:34 139
原创 (python)multiprocessing子进程(Process类的使用)总结教程
(python)multiprocessing子进程(Process类的使用)总结教程
2024-08-01 17:20:42 1155
原创 轻量化YOLOv7系列:结合G-GhostNet | 适配GPU,华为诺亚提出G-Ghost方案升级GhostNet
轻量化YOLOv7系列:结合G-GhostNet | 适配GPU,华为诺亚提出G-Ghost方案升级GhostNet
2024-07-24 10:10:47 580
原创 python多进程加速函数运行
为了测试多进程的加速效果,我们可以通过创建一个包含计算密集型任务的函数,并使用多进程来并行执行这些任务。我们将对比单进程和多进程执行的时间。python多进程运行可以使函数运行在程序主进程以外,减少主进程的调用,并且可以加速子进程的运行速度。
2024-07-23 13:01:52 207
原创 改进YOLOv8系列:自设计轻量级混合卷积模块用于下采样LMCBlock(Lightweight Mixed Convolution Block)
改进YOLOv8系列:自设计轻量级混合卷积模块用于下采样LMCBlock(Lightweight Mixed Convolution Block)
2024-07-13 11:57:22 111
原创 yolov8实战——yolov8TensorRT部署(python推理)(保姆教学)
最近用到yolov8,但是寻找了一圈才找到了yolov8最佳的部署方法,限于python,所以在此进行总结记录,方便众人,看完此篇,不会纯属自己问题,与我无瓜0.0。
2024-07-05 16:20:15 1047
原创 yolov8-seg分割模型TensorRt部署,去掉torch
输入为brg图像,图像的路径和输出路径,最后会保存masktxt。cudart推理,不包含torch。
2024-07-05 15:51:06 402
原创 改进YOLOv8系列:构建新型单头transformer模块,加入到骨干尾部
改进YOLOv8系列:构建新型单头transformer模块,加入到骨干尾部
2024-05-31 21:44:55 259
原创 改进YOLOv8系列:结合自研注意力模块SPPFC
- YOLOv8轻松上手,适用技术小白,文章代码齐全,仅需一键train,解决YOLOv8的技术突破和创新潜能。改进YOLOv8系列:结合自研注意力模块SPPFC
2024-05-19 21:40:37 148
原创 在 Windows 10 上 安装 WSL 2
如果您想在最新的 Windows 版本中尝试经过改进的(即 WSL 2) ,要怎么做呢?我们在本文中介绍了安装它所需要做的所有事情。
2024-04-15 15:32:26 844
原创 改进YOLOv8系列:结合自研注意力模块MultiScaleAttentiveConv (MSAConv)
- YOLOv8轻松上手,适用技术小白,文章代码齐全,仅需一键train,解决YOLOv8的技术突破和创新潜能。
2024-04-14 16:30:00 378 7
原创 改进YOLOv8注意力系列七:结合空间关系增强注意力SGE、SKAttention动态尺度注意力、TripletAttention
改进YOLOv8注意力系列七:结合空间关系增强注意力SGE、SKAttention动态尺度注意力、全局上下文信息注意力Triplet Attention
2024-04-08 21:08:09 311
原创 使用open3d进行人体配准和重建学习记录
seg_body可以裁剪出人体上半部分点云图,目前裁剪出的点云图失去了彩色部分。其中RGBD2cloud可以将rgb和depth转化为点云图,
2024-04-03 11:48:46 531 2
原创 改进YOLOv8注意力系列六:结合SEAttention轻量通道注意力、ShuffleAttention重排特征注意力模块、SimAM无参数化注意力
- YOLOv8轻松上手,适用技术小白,文章代码齐全,仅需一键train,解决YOLOv8的技术突破和创新潜能。改进YOLOv8注意力系列六:结合SEAttention轻量通道注意力、ShuffleAttention重排特征注意力模块、SimAM无参数化注意力
2024-03-19 21:37:43 424
原创 改进YOLOv8注意力系列五:结合ParNetAttention注意力、高效的金字塔切分注意力模块PSA、跨领域基于多层感知器(MLP)S2Attention注意力
- YOLOv8轻松上手,适用技术小白,文章代码齐全,仅需一键train,解决YOLOv8的技术突破和创新潜能。
2024-02-25 11:38:43 1282 2
原创 改进YOLOv8注意力系列四:结合ParNetAttention注意力、高效的金字塔切分注意力模块PSA、跨领域基于多层感知器(MLP)S2Attention注意力
- YOLOv8轻松上手,适用技术小白,文章代码齐全,仅需一键train,解决YOLOv8的技术突破和创新潜能。
2024-02-25 11:38:00 155
原创 改进YOLOv8注意力系列四:结合中心化特征金字塔EVCBlock、大核卷积注意力LKA_Attention、全局注意力MobileViTAttention
- YOLOv8轻松上手,适用技术小白,文章代码齐全,仅需一键train,解决YOLOv8的技术突破和创新潜能。
2024-01-13 09:54:06 448
原创 YOLOv5 损失函数改进 | 引入 Shape-IoU 考虑边框形状与尺度的度量
YOLOv5 损失函数改进 | 引入 Shape-IoU 考虑边框形状与尺度的度量
2024-01-11 20:46:08 671
原创 YOLOv8 损失函数改进 | 引入 Shape-IoU 考虑边框形状与尺度的度量
- YOLOv8轻松上手,适用技术小白,文章代码齐全,仅需一键train,解决YOLOv8的技术突破和创新潜能。
2024-01-10 21:27:49 1030
原创 改进YOLOv8注意力系列三:结合CrissCrossAttention、ECAAttention、EMAU期望最大化注意力
- YOLOv8轻松上手,适用技术小白,文章代码齐全,仅需一键train,解决YOLOv8的技术突破和创新潜能。
2023-12-24 21:35:28 1300
原创 改进YOLOv8注意力系列二:结合CBAM、Coordinate Attention、deformable_LKA_Attention可变形大核注意力
改进YOLOv8注意力系列二:结合CBAM、Coordinate Attention、deformable_LKA_Attention可变形大核注意力
2023-12-13 22:45:58 1436
原创 改进YOLOv8注意力系列一:结合ACmix、Biformer、BAM注意力机制
- YOLOv8轻松上手,适用技术小白,文章代码齐全,仅需一键train,解决YOLOv8的技术突破和创新潜能。
2023-12-09 23:35:21 1625
原创 最新版本11.17的YOLOv8加入注意力方法
本文基于11.17版本,以往版本略有不同,可查看[改进YOLOv8,教你YOLOv8如何添加20多种注意力机制](http://t.csdnimg.cn/PdugV)进行参考
2023-12-09 17:29:09 971 1
原创 RuntimeError: Input type (float) and bias type (c10::Half) should be the same
截图如下。
2023-12-08 15:13:05 2768 2
原创 数据增强改进,实现检测目标copypaste,增加目标数据量,提升精度
数据增强改进,实现检测目标copypaste,增加目标数据量,提升精度
2023-12-06 21:01:02 1268 2
原创 改进YOLO5:结合CVPR2023最新 PConv |包含 YOLOv5 / YOLOv8 模型 YAML 文件
论文介绍了一种名为部分卷积(Partial Convolution,简称PConv)的新型运算符,旨在解决神经网络中每秒浮点运算次数(FLOPS)偏低的挑战。研究发现,仅仅减少FLOPS的数量并不必然导致延迟的减少,其主要原因在于FLOPS的低效率。PConv通过减少不必要的计算和内存访问,更有效地提取空间特征。基于此,作者们进一步开发了一种新的神经网络架构,名为FasterNet。
2023-11-30 19:56:02 1371
原创 改进YOLOv8 | YOLOv5系列:RFAConv续作,即插即用具有任意采样形状和任意数目参数的卷积核AKCOnv
基于卷积运算的神经网络在深度学习领域取得了显著的成果,但标准卷积运算存在两个固有缺陷:一方面,卷积运算被限制在一个局部窗口,不能从其他位置捕获信息,并且其采样形状是固定的;另一方面,卷积核的大小是固定为k × k的,它是一个固定的方形形状,参数的数量往往与大小成正比。很明显,在不同的数据集和不同的位置,目标的形状和大小是不同的。针对上述问题,本研究探索了可变核卷积(AKConv),它为卷积核提供了任意数量的参数和任意采样形状,为网络开销和性能之间的权衡提供了更丰富的选择。暂时先这样,有空再加上论文细节。
2023-11-24 22:43:14 1377
原创 改进YOLOv5 | C3模块改动篇 | 轻量化设计 |骨干引入动态卷积|CondConv
CondConv是一种新型的卷积层,与传统的固定卷积核不同,CondConv通过将卷积核作为输入的函数来计算,意味着每个样本都能学习到专门的卷积核。CondConv能作为现有卷积层的直接替代品,研究表明,在保持高效推理的同时,使用CondConv能在多个CNN架构上提高模型容量和性能,如ImageNet分类和COCO对象检测任务。研究发现CondConv层能学习样本间有意义的语义关系,从而计算出条件化的卷积核。在ImageNet分类任务中,应用于EfficientNet-B0的CondConv取得了78.3
2023-11-22 21:51:16 483
YOLOv5行人重识别+PYQT5操作画面
2023-04-07
电脑所需各种DLL文件
2022-07-26
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人