用于低分辨率图像和小物体的新 CNN 模块SPD-Conv

已于 2023-03-05 10:51:09 修改 20296 收藏 310
分类专栏： YOLOv5/v7改进实战 文章标签： 目标检测 深度学习 计算机视觉 论文 人工智能
于 2022-08-18 10:10:28 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/weixin_43694096/article/details/126398068
版权

请添加图片描述

🌟想了解更多YOLO系列算法更多进阶教程欢迎订阅我的专栏🌟

基础不好的同学可以试试看一下我的《目标检测蓝皮书》🚀，里面包含超多目标检测实用知识，想速通目标检测，看这本就对了！

想了解YOLO系列算法进阶教程的同学可以关注这个专栏YOLOv5/v7 进阶实战 | 安卓部署 | PyQt5页面 | 剪枝✂️ | 蒸馏⚗️ | Flask Web部署 | 改进教程，里面包含多种手把手的部署压缩教程，除此之外还有大量的改进~

《用于低分辨率图像和小物体的新 CNN 模块》

《No More Strided Convolutions or Pooling: A New CNN Building Block for Low-Resolution Images and Small Objects》
2022年8月7日发表在ECML PKDD 2022论文集上的最新paper
作者：来自于 Missouri 大学的 Raja Sunkara

了解本专栏 订阅专栏 解锁全文
迪菲赫尔曼
关注
  • 40
    点赞
  • 踩
  • 310
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 101
    评论
专栏目录
订阅专栏
目标检测算法——YOLOv5/YOLOv7改进之结合SPD-Conv（低分辨率图像和小目标涨点明显）
加勒比海带66——【YOLO魔法搭配&论文投稿咨询】
11-12 5946
目标检测算法——YOLOv5/YOLOv7改进之结合SPD-Conv（低分辨率图像和小目标涨点明显）。作者提出了一种新的CNN模块，称为SPD-Conv，以取代每个strided convolution和每个池化层(从而完全消除了它们)。SPD-Conv由 space-to-depth (SPD)层和non-strided convolution(Conv)层组成，可以应用于大多数CNN架构。
无卷积步长或池化:用于低分辨率图像和小物体的新 CNN 模块SPD-Conv
10-06
No More Strided Convolutions or Pooling:A New CNN Building Block for Low-Resolution Images and Small Objects 无卷积步长或池化:用于低分辨率图像和小物体的新 CNN 模块SPD-Conv 提出了一个名为SPD-Conv的新的CNN构建块，它完全消除了步长和池化操作，取而代之的是一个空间到深度卷积和一个无步长卷积。
什么是SPD-Conv
weixin_42604188的博客
01-08 451
SPD-Conv是一种深度学习模型的卷积层。SPD-Conv卷积层的输入是一个浮点数组，表示一个对称正定矩阵，而不是像传统卷积层那样的多维图像数据。SPD-Conv卷积层使用输入矩阵上的操作来执行卷积运算，而不是像传统卷积层那样使用权值矩阵和偏置向量。 这种卷积方法最初是用于处理对称正定矩阵数据的，例如用于姿态估计或人体动作识别的协方差矩阵。然而，它也可以用于其他类型的数据，如文本数据或时间序列数...
杂想：focus与SPD（space_to_depth）的关系
最新发布
chao_xy的博客
04-25 97
space_to_depth在 forward 方法中return torch.cat([x[..., ::2, ::2], x[..., 1::2, ::2], x[..., ::2, 1::2], x[..., 1::2, 1::2]], 1)最近在尝试对yolov5进行改进，使用了SPD模块，对代码解读时发现SPD在一定程度上就是focus去掉卷积步骤的弱化版本。focus在 forward 方法中return。space_to_depth的代码块。
基于融合SPD+BIFPN+CBAM改进YOLOv5的奶牛检测识别分析系统开发
Together_CZ的博客
01-07 1643
基于融合SPD+BIFPN+CBAM改进YOLOv5的奶牛检测识别分析系统开发
YOLOv5、YOLOv7、YOLOv8改进结构系列： 最新结合用于小目标的新CNN卷积构建块
热门推荐
适用YOLOv5、YOLOv7、YOLOv8等模型改进；YOLO改进专栏：1.改进指南｜2.进阶指南｜3.高阶指南
10-30 1万+
YOLO代码实践｜结合 新 CNN 构建块来代替每个跨步卷积层和每个池化层
SPD-1.3-Team-Software-Project
05-22
SPD 1.3团队软件项目 课程说明 本课程侧重于成功的工程团队的基础技能。 学生们每四人一组，进行每周的冲刺和回顾。 主题包括：SCRUM规划，会议管理，委派，冲突解决，角色所有权，高级Git和GitHub，Unix实用程序，性能审查，组织心理学和团队开发的基础。 学生将利用他们迄今为止在SPD中开发的所有技能来交付能够解决实际问题的复杂的多功能软件产品。 为什么你应该学这个 大处着眼。 寒假过后，核心课程将重点放在一个由4-5名工程师组成的小组的大型项目中。 您将专门研究特定角色（移动，前端，后端，设备等），并执行一个雄心勃勃的项目来影响世界。 先前的项目包括： 与白宫合作设计的网站，用于教育服务欠缺的社区并将其连接到Internet。 查找和购买物联网家用电器的在线市场。 一种“智能课程”，可以根据学生的作业进行测试。 您的团队将深入研究行业的细微差别，与该领域的专家进行交流
【SPD-Conv】《No More Strided Convolutions or Pooling：A New CNN Building Block for Low-Resolution XXX》
bryant_meng
03-24 520
发现了步长大于 1 的 Conv 和 pooling 层的缺点， 提出 No More Strided Convolutions or Pooling 的 SPD-Conv 结构来替代 Strided Conv 和 pooling，对低分辨率小目标场景有一定提升，代码简单，即插即用。本文的实验基于 one-stage anchor-based 类方法展开的，也即比较流行的 YOLO 系列。神经网络中，步长大于 1 的卷积层和池化层，存在如下的缺点。模型比较小的时候发挥的效果越大，对小目标的提升很明显。
python基于融合SPD-Conv改进yolov5与原生yolov5模型实践路面裂痕裂缝检测
Together_CZ的博客
02-04 2073
python基于融合SPD-Conv改进yolov5与原生yolov5模型实践路面裂痕裂缝检测
涨点神器：基于Yolov5/Yolov7的SPD-Conv，低分辨率图像和小物体涨点明显
AI&CV的博客
03-20 440
无卷积步长或池化:用于低分辨率图像和小物体的新 CNN 模块SPD-Conv
Resolution:android适配器分辨率
05-02
解析度 android适配器分辨率
spd-开源
05-13
“ Simple Password Displayer”是基于GnuPG的多用户密码管理软件，因此每个用户都有自己的密码来解密/签名容器。
SPD-2.31测试与体系结构
02-11
SPD 2.31测试和体系结构 课程说明 本课程侧重于高级主题，例如调试，单元测试，重构和设计模式。 学生将这些概念应用于现有的项目组合，以提高代码的质量，例如可读性，模块化和可扩展性。 涵盖的主题包括：调试技术...
SPD-Driver-last-Ver.rar_SPD
09-23
SPD Driver last Ver
spd-crime-data
03-25
SPD犯罪报告刮板 每天在世界标准时间上午7点（太平洋标准时间午夜）抓取SPD犯罪报告（以CSV格式），并跟踪此仓库中的更改。 西雅图市发布的数据， 为 有关git-scraping的详细信息，请参见 。
YoloV5-SPD+TensorRT:基于YoloV5-SPD的小目标检测算法部署
zhangdaoliang1的博客
08-15 2103
前面我们在yolov5添加了小目标检测层，进行了训练，但是训练的次数也不是很多，接下来我们使用tensorrt进行四个检测头的yolov5部署。yolov5出来已经很长时间了，所以有关yolov5的一些详细介绍在这里就不一一介绍了，模型结构大家可以查看我之前画的yolov5-5和yolov6-6的模型结构图。TensorRT+yolov5:yolov5添加小目标检测层2--TensorRT部署_曲末寒的博客-CSDN博客_yolov5加检测头。大家可以看看我之前的添加小目标层的文章。......
基于YOLOv5+SE注意力+SPD模块的海星检测识别分析系统
Together_CZ的博客
01-10 1078
YOLOv5融合SE注意力加入针对低分辨率图像和小目标对象优化的SPD模块实现海星检测识别分析系统
yolov5s融合SPD-Conv用于提升小目标和低分辨率图像检测性能实践五子棋检测识别
Together_CZ的博客
12-25 1886
yolov5s融合SPD-Conv用于提升小目标和低分辨率图像检测性能实践五子棋检测识别

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 101
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

¥2 ¥4 ¥6 ¥10 ¥20
输入1-500的整数
余额支付 (余额：-- )
扫码支付
扫码支付：¥2
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、C币套餐、付费专栏及课程。

余额充值