Transformer+YOLOv7排雷记录

最新推荐文章于 2024-06-23 11:30:00 发布
最新推荐文章于 2024-06-23 11:30:00 发布
阅读量834 收藏
点赞数
文章标签： transformer 深度学习 人工智能
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/weixin_43689367/article/details/128043103
版权

来自于USTC的2022秋季数字图像处理project

本课程设计基于cuda 11.7和YOLO v7，引入了Swin transformer V2和BOTNET，COTNET，做了比较~

一，RuntimeError: Expected all tensors to be on the same device, but found at least two devices, cuda:0 and cpu!

modify：在报错的地方定义device

device = torch.device('cuda:0')

issue：目前Swin transformer V2还不能这样修改，我是在CPU上跑得~

辩才天.Cp
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
YOLOv8涨点技巧，添加SwinTransformer注意力机制，提升目标检测效果
kay_545
02-29 3184
Swin Transformer通过引入创新的分层注意力机制展现了其架构的独特性，该机制通过将注意力区域划分为块并在这些块内执行操作，从而有效降低了计算复杂性。其主要结构呈现分层形式，每个阶段包括一组基础块，负责捕捉不同层次的特征表示，形成了分层的特征提取过程。采用多尺度的注意力机制使得模型能够同时关注不同大小的特征，从而提高对图像中不同尺度信息的感知。在多个图像分类基准数据集上，Swin Transformer表现出与其他先进模型相媲美甚至更优的性能，且在相对较少的参数和计算成本下取得出色的结果。
YOLOv7改进之二十五：引入Swin Transformer
m0_70388905的博客
09-03 8057
作为当前先进的深度学习目标检测算法YOLOv7，已经集合了大量的trick，但是还是有提高和改进的空间，针对具体应用场景下的检测难点，可以不同的改进方法。由于出到YOLOv7，YOLOv5算法2020年至今已经涌现出大量改进论文，这个不论对于搞科研的同学或者已经工作的朋友来说，研究的价值和新颖度都不太够了，为与时俱进，以后改进算法以YOLOv7为基础，此前YOLOv5改进方法在YOLOv7同样适用，所以继续YOLOv5系列改进的序号。希望能够对大家有帮助。最后，希望能互粉一下，做个朋友，一起学习交流。
YOLOv10改进 | 主干篇 | YOLOv10引入SwinTransformer替换Backbone
tsg6698的博客
06-23 190
这种层级化的设计不仅有助于提升模型对不同尺度特征的适应性，也使得Swin Transformer能够以线性的时间复杂度处理输入图像，与图像大小成线性关系，这显著提高了处理高分辨率图像时的计算效率。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~在SwinTransformer.py文件里添加给出的SwinTransformer代码。
助力安全作业生产，基于YOLOv7融合Transformer开发构建安全帽检测识别分析系统
Together_CZ的博客
01-13 606
助力安全作业生产，基于YOLOv7融合Transformer开发构建安全帽检测识别分析系统
改进YOLOv7系列：28.YOLOv7 结合 Swin Transformer V2结构，Swin Transformer V2：通向视觉大模型之路
热门推荐
包括YOLOv5、YOLOv7、YOLOv8等模型改进
09-07 1万+
目标检测科研Trick改进推荐 | 包括Backbone、Neck、Head、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、激活函数
芒果YOLOv7改进28：主干篇：改进主干Conv2Former结构系列：超越ConvNeXt结构，原创结合Conv2Former改进结构，Transformer 风格的卷积网络视觉基线模型，高效涨点
包括YOLOv5、YOLOv7、YOLOv8等模型改进
01-26 6081
改进代码实践 ｜ YOLOv7 + Transformer 风格的卷积网络视觉模型
改进YOLOv5系列：9.BoTNet Transformer结构的修改
包括YOLOv5、YOLOv7、YOLOv8等模型改进
08-14 1万+
目标检测小白科研Trick改进推荐 | 包括Backbone、Neck、Head、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、激活函数
yolov5目标检测模型 (融合transformer+已调参优化）
10-29
yolov5口罩检测，此模型已融合了attention机制，best.pt放在主目录下，考虑到训练时间使用的yolov5x，mAp96%左右，能够较高的识别人脸是否佩戴口罩，可以修改损失函数继续进行优化
yolov5_transformer:Yolov5带变压器
03-19
《YOLOv5 Transformer：深度学习中的检测新星》 YOLO（You Only Look Once）是一种流行的实时目标检测系统，自2016年首次提出以来，已经经历了多次迭代，不断优化性能。其中，YOLOv5是最新版本，以其高效、准确的...
基于Swin-Transformer改进的YOLOv7电力杆塔识别系统（文档+源码）.zip
最新发布
06-25
基于Swin-Transformer改进的YOLOv7电力杆塔识别系统。Swin-Transformer是一种新兴的图像识别模型，其通过引入跨窗口的注意力机制和局部特征的多尺度融合，能够有效地提高目标检测的准确性和鲁棒性。通过将Swin-...
Transformer + Reinforcement Learning打麻将
05-28
基于Transformer模型+强化学习训练的立直麻将agent 此项目刚开始不久，欢迎提PR，欢迎交流讨论（权重、数据集未公开） 待完善的地方： Misc/libc/evaluate.cc计算打点时未考虑所有役种，需添加完善 需要训练4个...
TPH-YOLOv5：基于Transformer检测头改进YOLOv5的无人机目标检测
Suxd_best的博客
10-29 2314
TPH-YOLOv5：基于Transformer检测头改进YOLOv5的无人机目标检测
使用YOLOv7进行Transformer检测模型的TensorRT部署
jinfagang1211的博客
04-23 9506
最近有大佬开源了YOLOv7, 大概看了一眼， 支持DETR等模型的ONNX导出，并且可以进行tensorrt推理。但是原作者并没有开源对应的权重，也没有开源onnx推理的脚本。本文就依托YOLOv7这个项目，将DETR导出到onnx,并教大家如何使用这个onnx进行tensorrt的部署。 首先clone一下原项目： https://github.com/jinfagang/yolov7 DETR 权重推理验证 原来的项目其实也支持AnchorDETR,这个我没有测试，但是
YOLOv5、YOLOv7改进之二十九：引入Swin Transformer v2.0版本
m0_70388905的博客
10-08 8148
将Swin transformer 2.0版本模块融入YOLO系列算法中，提高模型的全局信息获取能力。
基于轻量级YOLOv5+Transformer的汽车车损检测识别分析系统
Together_CZ的博客
01-11 2950
基于轻量级YOLOv5+Transformer的汽车车损检测识别分析系统
芒果YOLOv7改进24：主干篇：全网首发最新苹果续作加强版 MobileViTv2结构（二），提出移动视觉 Transformer 的可分离自注意力机制，高效涨点提速度
包括YOLOv5、YOLOv7、YOLOv8等模型改进
11-11 3179
首发最新结合苹果最新续作 MobileViTv2 结构(二)，提出移动视觉 Transformer 的可分离自注意力机制。该论文提出来的MobileViTv2结构对MobileViT进行升级改进！提出了一种具有线性复杂度的可分离自注意力方法，进一步提高效率，表现SOTA！性能优于Mobile-former等网络,本文将结合YOLO系列应用。
YOLOv5、YOLOv7改进之三十：引入10月4号发表最新的Transformer视觉模型MOAT结构
m0_70388905的博客
10-11 3923
2022年10月4日新出的MOAT结构，更是效果明显。将其应用于YOLO算法中，将提升检测效果。
【论文阅读】【yolo系列】YOLOV7的论文阅读
magic_ll的博客
09-04 3095
YOLOv7在速度和精度方面都超过了所有已知的目标检测器，在GPU V100上的速度为5 FPS到160 FPS的范围内，并且在所有已知的实时对象检测器中具有最高的，速度为30 FPS或更高。目标检测器（56 FPS V100，55.9%AP）在速度和精度上优于：–>基于transformer的检测器SWINL Cascade-Mask R-CNN（9.2 FPS A100，53.9%AP），分别为509%和2%，
芒果YOLOv7改进33：主干篇：改进主干ViT系列：全网首发最新 ICLR2022 顶会|轻量通用的MobileViT结构（一）Transformer，轻量级、通用且移动友好的视觉转换器，高效涨点
包括YOLOv5、YOLOv7、YOLOv8等模型改进
11-11 3097
最新结合 ICLR2022 顶会|轻量通用的 MobileViT 结构 Transformer，轻量级、通用且移动友好的视觉转换器，MobileViT系列一, 本文将结合YOLO系列应用。
swin-transformer结合yolov7
07-21
对于将SWIN Transformer和YOLOv7结合起来，可以尝试以下步骤： 1. 首先，了解SWIN Transformer和YOLOv7的工作原理和用途。SWIN Transformer是一种基于Transformer的图像分类模型，而YOLOv7是一种目标检测模型。 2....
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