YOLOv5/v7 更换激活函数

已于 2023-07-17 02:00:46 修改
阅读量2.4w 收藏 356
点赞数 47
分类专栏： YOLOv5/v7改进实战 文章标签： 计算机视觉 目标检测 深度学习 YOLOv5 人工智能
于 2022-04-26 06:30:00 首次发布
原创文章为博主个人所有，未经授权不得转载、摘编、传播、倒卖、洗稿或利用其它方式使用上述作品。违反上述声明者，本站将追求其相关法律责任。
本文链接：https://blog.csdn.net/weixin_43694096/article/details/124413941
版权
YOLOv5/v7改进实战 专栏收录该内容
49 篇文章 1018 订阅 ¥99.90 ¥299.90
订阅专栏
本文介绍了如何在YOLOv5/v7中更换激活函数，包括SiLU、Hardswish、Mish等主流激活函数的特点，并提供详细的操作步骤，助你轻松实现模型优化。
摘要由CSDN通过智能技术生成
🌟想了解YOLO系列算法更多教程欢迎订阅我的专栏🌟

对于基础薄弱的同学来说，推荐阅读《目标检测蓝皮书》📘，里面涵盖了丰富的目标检测实用知识，是你迅速掌握目标检测的理想选择！

如果想了解 YOLOv5 和 YOLOv7 系列算法的训练和改进，可以关注专栏《YOLOv5/v7 改进实战》🌟。该专栏涵盖了丰富的YOLO实用教程，专门为改进YOLO的同学而设计。该专栏阅读量已经突破60w+🚀，被誉为全网最经典的教程！所有的改进方法都提供了详细的手把手教学！

《YOLOv5/v7 进阶实战》🏅专栏是在《YOLOv5/v7 改进实战》🌟专栏上进一步推出的更加有难度的专栏，除大量的最新最前沿改进外，还包含多种手把手的部署压缩教程，内容不仅可以用于小论文，也可用于大论文！

想了解 YOLOv8 系列算法教程的同学可以关注这个专栏《YOLOv8改进实战》🍀，这个专栏为博主精心设计的最新专栏，随 YOLOv8 官方项目实时更新，内容以最新最前沿的改进为主，专栏内容包含【检测】【分类】【分割】【关键点】任务！

YOLOv5/v7 如何更换激活函数？

更新日志：2022/5/8日添加了Conv(nn.Module)代码块，对如何更换激活函数做了更加详细的说明

文章目录

了解本专栏 订阅专栏 解锁全文
迪菲赫尔曼
关注
专栏目录
订阅专栏
YOLOv8改进 | 激活函数 | 十余种常见的激活函数一键替换【完整代码】
kay_545
08-02 1089
yolov8改进，激活函数，yolov8
YOLOv5算法改进（18）— 手把手教你去更换激活函数（SiLU/ReLU/ELU/Hardswish/Mish/Softplus）
突然好想你
09-18 1640
在YOLOv5中，使用了不同的激活函数。本节课就简单介绍一下常见的激活函数并重点讲解如何去更换激活函数！
目标检测算法——YOLOv5/YOLOv7改进之更换FReLU激活函数
加勒比海带66——【YOLO魔法搭配&论文投稿咨询】
10-27 1万+
目标检测算法——YOLOv5/YOLOv7更换FReLU激活函数。
YOLOv5改进 | 激活函数 | 十余种常见的激活函数一键替换【完整代码】
最新发布
kay_545
08-03 1097
yolov5，激活函数，yolov5改进
YOLOv5更换激活函数（FReLU+SE机制）
恐龙先生的博客
06-01 9815
本次我们在卷积层添加SE注意力模块来改进YOLOv5算法，同时用FReLU替换SILU激活函数，并通过添加跳转连接来改进PANet特征融合网络。
YOLOv5改进系列(二) 更换激活函数SiLU，ReLU，ELU，Hardswish，Mish，Softplus，AconC等
weixin_44302770的博客
12-14 6709
1.1 什么是激活函数？在接触到深度学习（Deep Learning）后，特别是神经网络中，我们会发现在每一层的神经网络输出后都会使用一个函数（比如sigmoid，tanh，Relu等等）对结果进行运算，这个函数就是激活函数（Activation Function）。那么为什么需要添加激活函数呢？如果不添加又会产生什么问题呢？首先，我们知道神经网络模拟了人类神经元的工作机理，**激活函数（Activation Function）是一种添加到人工神经网络中的函数，旨在帮助网络学习数据中的复杂模式。**
Yolov5更换激活函数
m0_56247038的博客
05-22 4932
yolov5中utils/activations.py文件中已经写好了好多种激活函数，直接调用即可 如果要调用需要去common.py文件里修改，改完记得导入一下 想更换其他激活函数可以参照下面代码 class Conv(nn.Module): # Standard convolution def __init__(self, c1, c2, k=1, s=1, p=None, g=1, act=True): # ch_in, ch_out, kernel, strid
YOLOv5 改进激活函数（小白笔记）
Cgyaobiye的博客
10-27 2453
YOLOv5激活函数更改
更换YOLOv5激活函数
Barry_Qu的博客
04-27 7927
YOLOv5更换激活函数
【YOLOv5/v7改进系列】替换激活函数为SiLU、ReLU、LeakyReLU、FReLU、PReLU、Hardswish、Mish、ELU等
2401_84870184的博客
05-24 2993
激活函数不仅决定了神经网络的学习能力，还在很大程度上影响了目标检测模型的精度、训练效率以及最终的检测性能。因此，在设计目标检测网络时，精心选择和设计激活函数是一个重要环节。
手把手带你 YOLOv5/v7 添加注意力机制（并附上30多种顶会Attention原理图）2024/2/5更新
热门推荐
YOLOv8项目贡献者
04-27 18万+
YOLOv5/v7 添加注意力机制教程 2023/6/15更新🍀🍀🍀
主干网络篇 | YOLOv5/v7 更换骨干网络之 EfficientNet | 卷积神经网络模型缩放的再思考
YOLOv8项目贡献者
01-02 6480
YOLOv5/v7 更换骨干网络之 EfficientNet-B0
主干网络篇 | YOLOv5/v7 更换骨干网络之 MobileNetV3 | 基于神经网络搜索的轻量级网络
YOLOv8项目贡献者
01-02 1万+
YOLOv5 框架引入 Google 轻量化网络 MobileNet V3
主干网络篇 | YOLOv5/v7 更换骨干网络之 GhostNet | 从廉价的操作中生成更多的特征图
YOLOv8项目贡献者
01-02 1万+
YOLOv5/v7 更换骨干网络之 GhostNet
YOLOv5改进系列（13）——更换激活函数之SiLU，ReLU，ELU，Hardswish，Mish，Softplus，AconC系列等
路人贾的博客
07-04 5072
手把手教你学会YOLOv5改进系列之如何更换激活函数，内含SiLU，ReLU，ELU，Hardswish，Mish，Softplus，AconC系列等详细讲解及改进方法！
【YOLOv7/YOLOv5系列算法改进NO.54】改进激活函数为ReLU、RReLU、Hardtanh、ReLU6、Sigmoid、Tanh、Mish、Hardswish、ELU、CELU等
m0_70388905的博客
01-23 5619
更多激活函数选择——数十种激活函数改进方法。
YOLOv5 激活函数(四)
@bangbang的博客
08-23 5078
1. 激活函数(Activation functions) 激活函数使神经网络具有非线性，它决定感知机是否激发。 激活函数的这种非线性赋予了深度网络学习复杂函数的能力 2. 各类激活函数 Swish 函数 f(x)=x.sigmoid(x)f(x)=x.sigmoid(x)f(x)=x.sigmoid(x) Mish 函数 f(x)=x.tanh(softplus(x))=x.tanh(in(1+ex))f(x)=x.tanh(softplus(x))=x.tanh(in(1+e^{x}))f
YOLOv5的Tricks | 【Trick1】关于激活函数Activation的改进汇总
Clichong
06-01 7201
如有错误，恳请指出。在yolov5模型搭建的过程实现中，额外实现了很多非常新奇有趣的激活函数，不再是的简单nn.ReLU等，所以这里使用这篇笔记来对这一些列的激活函数进行总结归纳。关于激活函数，在很早之前我写过一篇笔记介绍，笔记链接：激活函数与Loss函数求导，在这里主要介绍的是目标检测yolov5算法中实现的一些的激活函数，主要设计ReLU函数及其变体，包含ReLU，PReLU，RReLU，FReLU，Swish，Mish，Acon系列，Dynamic ReLU系列。ReLU相比之前的 Sigmoid/t
yolov5/v7 更换主干网络之 shufflenetv2
05-01
目前，YOLOv5/v7作为一款非常流行的目标检测算法，主要采用的是骨干网络为CSPDarknet53，这个骨干网络的主要特点是结构简单、运算速度快以及参数较少，因此被广泛应用。但是，这个骨干网络在一些性能方面上却存在着一些不足之处，比如说网络深度不够，并且存在一定的准确率瓶颈等等。 针对这些问题，YOLOv5/v7的开发团队提出了更换骨干网络的方案，将原来的CSPDarknet53替换为ShuffleNetV2。ShuffleNetV2是一种轻量级的卷积神经网络，它采用了一种新颖的“分组卷积（Group Convolution）”的思想，将输入特征图分成几个小组，每个小组内部自己卷积，最后再将结果整合在一起。这种设计可以大大减少卷积操作的计算量，提升模型的整体计算速度，同时也不会降低网络的性能表现。 总的来说，将ShuffleNetV2作为YOLOv5/v7的新骨干网络，能够有效地提高模型的计算速度，同时也更加稳定可靠，有着一定的实际应用价值。虽然目前更换骨干网络的工作还处于研究阶段，但是相对于原有的骨干网络而言，ShuffleNetV2无疑是更加先进、更加适合当前研究的网络结构。
评论 67
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

迪菲赫尔曼

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