- 博客(135)
- 资源 (2)
- 收藏
- 关注
RSS订阅
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