改进YOLOv5/YOLOv8：结合华为诺亚VanillaNet Block模块：深度学习中极简主义的力量

已于 2024-02-29 20:39:08 修改
阅读量1.6k 收藏 5
点赞数
分类专栏： YOLOv8改进宝典 YOLOv8、YOLO5系列改进专栏 文章标签： 深度学习 YOLO 人工智能
于 2023-05-27 17:57:36 首次发布
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_44224801/article/details/130903958
版权
本文介绍了如何将华为诺亚的VanillaNet Block整合到YOLOv5中，以实现轻量化目标检测网络。通过对YOLOv5的骨干网络和注意力机制进行优化，结合VanillaNet的简约设计理念，减少了模型的复杂度和计算成本，提高了推理速度，同时保持了高检测精度。实验表明，这种改进在网络性能和速度之间取得了良好平衡，适用于资源受限的设备。
摘要由CSDN通过智能技术生成

改进YOLOv5/YOLOv8：结合华为诺亚VanillaNet Block模块：深度学习中极简主义的力量


  本文提供了 改进YOLOv5/YOLOv8以及多种加入方式，在本文中具有完整的代码和包含多种更有效加入YOLOv8中的yaml结构，读者可以获取到注意力加入的代码和使用经验，总有一种适合你和你的数据集。

🗝️YOLOv8实战宝典--星级指南：从入门到精通，您不可错过的技巧

  -- 聚焦于YOLO的 最新版本， 对颈部网络改进、添加局部注意力、增加检测头部，实测涨点

💡 深入浅出YOLOv8：我的专业笔记与技术总结

  -- YOLOv8轻松上手， 适用技术小白，文章代码齐全，仅需 一键train，解决
了解本专栏 订阅专栏 解锁全文
一休哥※
关注
专栏目录
订阅专栏
Yolov8轻量级：VanillaNet一种新视觉Backbone，极简且强大！华为诺亚2023
06-01 1926
华为诺亚2023​:简到极致、浅到极致！深度为6的网络即可取得76.36%@ImageNet的精度，深度为13的VanillaNet甚至取得了83.1%的惊人性能
首发出炉Yolov5/Yolov7涨点神器：华为诺亚2023极简的神经网络模型 VanillaNet---VanillaBlock助力检测，实现暴力涨点
05-27 2155
极简的神经网络模型 VanillaNet在 ImageNet 上就可以达到 83% 的精度，本文引入 VanillaBlock到yolov5在​crack缺陷检测项目map 0.954提升至 0.979，涨点明显，博主多个数据集亲测有效，实现暴力涨点；
YOLOv8改进 | 主干篇 | YOLOv8引入华为VanillaNet替换Backbone
最新发布
tsg6698的博客
09-03 318
VanillaNet 的这一富有远见的旅程具有重新定义景观并挑战基础模型现状的巨大潜力，为优雅而有效的模型设计开辟了一条新道路。此外，为了增强网络的非线性特性，VanillaNet还提出了一种有效的基于序列的激活函数，该函数结合了多个可学习的仿射变换。到此本文的正式分享内容就结束了，在这里给大家推荐我的YOLOv8改进有效涨点专栏，后期我会根据各种最新的前沿顶会进行论文复现，也会对一些老的改进机制进行补充，如果大家觉得本文帮助到你了，订阅本专栏，关注后续更多的更新~1.3 VanillaNet模块结构图。
【读点论文】VanillaNet: the Power of Minimalism in Deep Learning，在浅层网络中加入更丰富的非线性元素加上提出的网络训练技巧得到了一些惊讶的效果
白水空空
05-27 927
基础模型的核心理念是“多而不同”，计算机视觉和自然语言处理领域的惊人成功就是例证。然而，优化的挑战和transformer模型固有的复杂性要求范式向简单性转变。在这项研究中，我们介绍了VanillaNet，一个包含优雅设计的神经网络架构。通过避免高深度、残差方式和复杂的操作(如自我关注)，vanillanet令人耳目一新的简洁却非常强大。每一层都被精心制作得紧凑而直接，非线性激活函数在训练后被修剪以恢复原始结构。VanillaNet克服了固有复杂性的挑战，使其成为资源受限环境的理想选择。
华为诺亚提出VanillaNet：一种新视觉Backbone，极简且强大！
阿木寺的博客
05-25 1769
点击下方卡片，关注“CVer”公众号AI/CV重磅干货，第一时间送达点击进入—>【Transformer】交流群转载自：极市平台 | 作者：happy导读简到极致、浅到极致！深度为6的网络即可取得76.36%@ImageNet的精度，深度为13的VanillaNet甚至取得了83.1%的惊人性能。VanillaNet: the Power of Minimalism in Deep Lea...
【YOLOv8改进 - Backbone主干】VanillaNet：极简的神经网络，利用VanillaBlock降低YOLOV8参数
专注于图像领域，主要研究内容包括计算机视觉和深度学习，特别是在图像分类、目标检测和图像生成等方面有深入的研究和实践经验。
06-13 558
基础模型的核心理念是“更多即不同”，这一理念在计算机视觉和自然语言处理领域取得了惊人的成功。然而，Transformer 模型的优化挑战和内在复杂性要求我们向简约的范式转变。在这项研究中，我们介绍了 VanillaNet，这是一种追求设计优雅的神经网络架构。通过避免高深度、捷径以及自注意等复杂操作，VanillaNet 展现出简洁明了却功能强大的特点。每一层都经过精心设计，结构紧凑且直观，训练后去除非线性激活函数以恢复原始架构。VanillaNet 克服了内在复杂性的挑战，非常适合资源受限的环境。
首发Yolov8涨点神器：华为诺亚2023极简的神经网络模型 VanillaNet---VanillaBlock助力检测，实现暴力涨点
05-27 4508
华为诺亚2023极简的神经网络模型 VanillaNet在 ImageNet 上就可以达到 83% 的精度，本文引入 VanillaBlock到yolov5在​crack缺陷检测项目，涨点明显，同时博主多个数据集亲测有效，实现暴力涨点；
YOLOv10改进：Block涨点系列篇 | 极简的神经网络模型模块VanillaBlock | 华为诺亚2023
会AI的学姐
06-12 108
VanillaBlock保持轻量级的同时能够小幅涨点，与YOLOv10输出层结合
YOLOv10轻量级涨点改进：block优化 | 华为诺亚2023极简的神经网络模型 VanillaNet---VanillaBlock助力检测，实现暴力涨点
06-05 222
一种极简的神经网络模型 VanillaNet，以极简主义的设计为理念，网络中仅仅包含最简单的卷积计算，去掉了残差和注意力模块
YOLOv8最新改进系列：YOLOV8主干改进-华为诺亚提出全新骨干架构VanillaNet，YOLOv8融合深度学习极简主义的力量，大力提升模型鲁棒性！！
weixin_51692073的博客
09-15 2653
YOLOv8最新改进系列：YOLOV8主干改进-华为诺亚提出全新骨干架构VanillaNet，YOLOv8融合深度学习极简主义的力量，大力提升模型鲁棒性！！ [详细的改进教程以及源码，戳这！戳这！！戳这！！！B站：AI学术叫叫兽 源码在相簿的链接中，动态中也有链接，感谢支持！祝科研遥遥领先！](https://space.bilibili.com/432570190/video)
YOLOv10改进 | 主干篇 | YOLOv10引入华为VanillaNet替换Backbone
tsg6698的博客
06-19 665
VanillaNet 的这一富有远见的旅程具有重新定义景观并挑战基础模型现状的巨大潜力，为优雅而有效的模型设计开辟了一条新道路。此外，为了增强网络的非线性特性，VanillaNet还提出了一种有效的基于序列的激活函数，该函数结合了多个可学习的仿射变换。到此本文的正式分享内容就结束了，在这里给大家推荐我的YOLOv10改进有效涨点专栏，后期我会根据各种最新的前沿顶会进行论文复现，也会对一些老的改进机制进行补充，如果大家觉得本文帮助到你了，订阅本专栏，关注后续更多的更新~3.3 在tasks.py里引用。
YOLOv8魔改系列：使用VanillaNet网络，大大降低YOLOv8的参数
qq_66386046的博客
03-29 530
使用VanillaNet网络，大大降低YOLOv8的参数
主干网络篇 | YOLOv8 更换主干网络之 VanillaNet |《华为方舟实验室最新成果》| 新增多个尺寸
YOLOv8项目贡献者
07-30 8132
华为方舟 2023🏅 极简神经网络模型
【无标题】YOLOV5和YOLOV8主干改进：华为诺亚提出全新骨干架构VanillaNet
weixin_73546499的博客
05-24 3334
对于主干，我们使用4×4×3×C卷积层，步长为4，遵循[18，31，32]中的流行设置，将具有3个通道的图像映射到具有C个通道的特征。每个卷积层的核大小是1×1，因为我们的目标是在保留特征图信息的同时，对每个层使用最小的计算成本。VanillaNet：一种极简设计的神经网络架构，性能与代表性CNN工作和视觉Transformer不相上下，突出了极简主义在深度学习中的潜力。广泛的实验表明，VanillaNet 提供的性能与著名的深度神经网络和视觉Transformer器相当，展示了深度学习中极简主义的力量。
VanillaNet详解：极简的网络模型
走在深度学习前沿的小宋
05-28 4209
总结来说，VanillaNet是一种十分简洁但强大的计算机视觉网络架构，使用简单的卷积架构就可以达到SOTA的性能。自从被引入视觉领域后，注意力机制被认为是十分重要且有效的结构设计，然而ConvNeXt通过更好的性能重振了卷积网络的信心。事实证明，单纯的卷积结构也可以达到SOTA的精度。
主干网络篇 | YOLOv8更换主干网络之VanillaNet | 华为方舟实验室提出全新轻量级骨干架构
突然好想你
04-13 659
华为方舟实验室所提出的VanillaNet架构克服了固有复杂性的挑战，使其成为资源受限环境的理想选择，其易于理解和高度简化的架构为高效部署开辟了新的可能性。🌈
【YOLOv5/v7改进系列】替换骨干网络为VanillaNet
2401_84870184的博客
05-12 1100
yolov7-tiny、yolov5n/s替换骨干网络为华为诺亚方舟实验室和悉尼大学的研究人员合作完成VanillaNet
YOLOv5结合华为诺亚VanillaNet Block模块
qq_44224801的博客
11-22 911
本研究引入了VanillaNet，一种在设计上追求简洁性的神经网络架构。VanillaNet避免了复杂的构建如高深度网络结构、捷径连接和自注意力机制，呈现出一种令人耳目一新的简明强大。它的每一层都经过精心设计，简洁且直接，训练后的非线性激活函数被精简，以还原至最初的简洁结构。
YOLOv7改进：极简的神经网络模型 VanillaNet---VanillaBlock助力检测，实现暴力涨点 | 华为诺亚2023
10-12 1387
极简模块VanillaBlock，以极简主义的设计为理念，网络中仅仅包含最简单的卷积计算，去掉了残差和注意力模块，二次创新引入到YOLOv7中取得了不俗的效果。
华为诺亚:vanillanet
08-10
华为诺亚是华为公司推出的一款电竞手机系列，而Vanillanet则是该系列中的一种网络加速技术。 Vanillanet是华为诺亚手机上所采用的网络加速技术，它旨在提供更加稳定和流畅的网络连接体验。随着智能手机的普及和移动互联网的高速发展，人们对于网络速度和稳定性的需求越来越高，尤其是在进行网络游戏等高延迟应用时，要求网络连接的质量更高。 Vanillanet的主要特点有以下几个方面。首先，它采用了智能网络调度技术，能够根据用户的网络使用情况和需求，自动选择最佳的网络节点和路径，从而加速数据传输的速度和稳定性。其次，Vanillanet还具备智能网络管理系统，可以识别和优化网络中的瓶颈和故障，从而提升网络的数据传输效率。此外，Vanillanet还支持自主研发的网络加速协议，能够提升网络连接的实时性和可靠性。 华为诺亚的Vanillanet技术的应用，不仅仅体现在电竞领域，还可在其他互联网应用中体现出其优势。例如，在高清流媒体观看、文件下载和在线社交等方面，Vanillanet都能够提供更加流畅和高效的网络连接体验。 总之，华为诺亚的Vanillanet是一种专为提升网络速度和稳定性而设计的技术，它能够满足用户对于高质量网络连接的需求，提供流畅的网络体验。
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

打赏作者

一休哥※

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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