改进YOLO系列 | 添加轻量化Decouple_Head 和 ASFF_Head

已于 2023-03-10 10:37:33 修改
阅读量8.9k 收藏 38
点赞数 4
分类专栏： YOLOv5/v7进阶实战 文章标签： YOLO python numpy
于 2023-02-23 22:10:26 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/129190682
版权

在这里插入图片描述

在这里插入图片描述

绿色为ASFF_Head，浅蓝色Decoupled_Head，深蓝色是第三步加的_initialize_dh_biases方法后的效果。

参数量与计算量对比

模型 参数量 parameters 计算量GFLOPs
yolov5s_Head 7235389 16.5
ASFF_Head 12674847 25.0
Decoupled_Head 8928697 22.0

结构图

本篇介绍的这个Decouple_Head和YOLOX的头结构几乎相同，但这次的添加方式和我蓝皮书介绍的那篇是不同的，而且这个头优化的比较好，所以参数量和计算量都下降了，效果有可能和YOLOX的头有差距，。

了解本专栏 订阅专栏 解锁全文
迪菲赫尔曼
关注
  • 4
    点赞
  • 踩
  • 38
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 60
    评论
专栏目录
订阅专栏
YOLOv8改进 | 检测头篇 | ASFF改进YOLOv8检测头（全网首发）
Snu77的博客
12-31 6732
本文给大家带来的改进机制是利用ASFF改进YOLOv8的检测头形成新的检测头Detect_ASFF，其主要创新是引入了一种自适应的空间特征融合方式，有效地过滤掉冲突信息，从而增强了尺度不变性。经过我的实验验证，修改后的检测头在所有的检测目标上均有大幅度的涨点效果，此版本为三头版本，后期我会在该检测头的基础上进行二次创新形成四头版本的Detect_ASFF助力小目标检测，本文的检测头非常推荐大家使用。推荐指数：⭐⭐⭐⭐涨点效果：⭐⭐⭐⭐YOLOv8改进系列专栏——本专栏持续复习各种顶会内容——科研必备。
YOLOv3_tf-master.zip_yolo tf_yolo_head_yolov3_yolov3搭建tf_深度学习
07-14
yolov3的经典tf实现, 深度学习，机器学习
魔改YOLOv5/YOLOv7高阶版——改进之结合解耦头Decoupled_Detect
加勒比海带66——【YOLO魔法搭配&论文投稿咨询】
03-31 7945
🚀🚀🚀NEW！！！魔改YOLOv5/YOLOv7目标检测算法来啦 ~💡魔法搭配计算机视觉领域各类创新新颖且行之有效的网络结构，平均精度均值mAP涨点明显，实验效果也俱佳。有需要的小伙伴可以在CSDN后台留言+点赞收藏喔！！！👍👍👍🔥🔥🔥
涨点技巧：Detect系列---Yolov5/Yolov7加入解耦头Decoupled_Detect，涨点明显
各专栏持续更新中，改进创新YOLO，适用v5、v7、v8、v9，订阅者私信添加本人微信！！！ By AI小怪兽
03-17 6250
yolov5/Yolov7加入解耦头Decoupled_Detect，提升检测精度
YOLOX改进之添加ASFF
weixin_45679938的博客
01-06 2万+
文章内容：如何在YOLOX官网代码中添加ASFF模块 环境：pytorch1.8 修改内容： （1）在PAFPN尾部添加ASFF模块（YOLOX-s等版本） （2）在FPN尾部添加ASFF模块（YOLOX-Darknet53版本） 参考链接： 论文链接：https://arxiv.org/pdf/1911.09516v2.pdf ASFF原理及代码参考：https://blog.csdn.net/weixin_44119362/article/details/114289607 示意图如下： 使用方法：直
YOLOX训练自己的数据集遇到的问题
qq_42854823的博客
03-31 1366
目标检测在训练自己数据集所遇到的问题，在对YOLOX改进时调参所遇到的问题，针对自己的数据集而言
关于YOLO系列直接做一些即插即用的小改进
weixin_57111012的博客
11-04 623
其实做一些这种改进对研究生来讲几乎是没有意义的，但是对于本科生来说，多做几个这种的改进就够本科毕业了哈哈哈哈哈，无论效果好不好，反正是有的写了。由于网上充斥着大量的YOLO系列检测代码，所以在这里我以yolov5举例，当然，这里所做的一些方法完全可以用到yolov7中，如果大家想看的话，我再专门出几期yolov7的换主干或者改进的文章。首先，你需要有一些即插即用的模块，一般来讲很好找，无论是烂大街的通道注意力，空间注意力，还是一些新文章中比较知名的模块，我们都可以拿来用。然后怎么改进我们的方法里呢？
YOLOv5改进 | 引入解耦头DecoupledHead（实测涨点）
2403_82630476的博客
01-14 2158
在models/common.py的任意位置添加下面DecoupledHead代码即可 （我一般在common.py最下方添加，比较方便）最后一步~~ 修改train.py 的 --cfg 将默认的yolov5s.yaml修改为我们之前新建的。在models的yolo.py中的两个位置将默认的yolov5s.yaml修改成我们新建的。如图所示我们添加解耦头成功！（2） 在Model类里的图中位置添加下图红框的代码。然后运行train.py就可以运行啦！我们在修改网络模型时只更改最后一层的。
yolo_tensorflow.rar_TensorFlow 识别_yolo 识别_yolo4tensorflow_yolo和t
07-15
以tensorflow架构的YOLO算法做目标识别，识别车辆状况。
基于改进YOLO轻量化网络的目标检测方法
01-26
YOLOv3作为开源的目标检测网络与同时期目标检测网络相比,在速度和精度上有着明显的优势。由于YOLOv3采用了新型的全卷积网络(FCN)、特征金字塔网络(FPN)和残差网络(ResNet),因此对硬件配置要求较高,导致开发成本过高,...
LF-YOLO：一种轻量且更快速的用于X射线图像焊接缺陷检测的YOLO
06-21
这篇论文主要介绍了一种基于卷积神经网络（CNN）的焊接缺陷检测方法，称为轻量且更快速的YOLO（LF-YOLO）。论文指出X射线图像在制造业中具有重要的质量保证作用，因为它可以反映焊接区域的内部情况。然而，不同缺陷...
YOLO_tensorflow-master.rar_Yolo tensorflow_tensorfliw yolo_tenso
07-14
基于TensorFlow平台下的YOLO算法，可用于目标检测
提升目标检测性能：轻量化Decouple_Head和ASFF_Head的引入
一直在水些技术小文
11-09 354
Decouple_Head是一种轻量化的头部结构，旨在改进目标检测中的边界框坐标预测。传统的目标检测模型通常使用复杂的头部结构来同时预测目标的类别和边界框坐标。Decouple_Head将这两个任务分开，分别预测类别和坐标，从而提高性能。# 添加Decouple_Head结构的各层# ...# Decouple_Head结构前向传播# ...return xDecouple_Head的优势在于它将目标检测任务分解为两个独立的子任务，简化了模型的训练和推理过程，提高了性能。
【Yolov5】Yolov5添加ASFF, 网络改进优化
qq:1115926058
02-13 1万+
Yolov5添加ASFF模块，有完整的使用说明，实验可行，可以提高模型性能
Decoupled head（解耦合头）和Coupled head（耦合头）
weixin_44902604的博客
03-13 1万+
简单来说，解耦合头突出在一个解字，就是把特征图用不同的分支分开处理，而耦合头不分开 一起处理了。常见的解耦合头设计包括Faster R-CNN中的RPN（Region Proposal Network）和 Fast R-CNN中的。
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。
热门推荐
qq_44224801的博客
04-10 5万+
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。
YOLO系列改进 | YOLOF的小小改进升级之轻量化TE-YOLOF
与君共勉，一起学习
02-04 1052
显微图像中的血细胞分析通过识别不同的细胞对象在疾病识别领域中起着至关重要的作用。在血细胞领域，血液中有三种重要成分：白细胞（WBC）、红细胞（RBC）和血小板。这些血细胞的比例和数量严重影响医生对疾病的判断。因此，找到一种基于深度卷积神经网络的目标检测算法来准确高效地检测血细胞，可以提高医疗系统的效率。目标检测是寻找图像中物体坐标并对物体进行分类的研究，广泛应用于机器视觉、行人识别、异常检测等计算机视觉任务中，精确的目标检测算法让计算机代替了部分人工来手动检查实例。
【YOLOv5进阶】——模型结构与模型原理&YOLOv5源码解析
最新发布
weixin_51658186的博客
06-03 1070
网络的具体结构在common.py、yolo.py、yolov5s.yaml这三个文件，修改网络结构是从这三个文件入手！
YOLOv5改进（六）--引入YOLOv8中C2F模块
qq_44231797的博客
06-02 1066
YOLOv5；YOLOv8；C2F；C3
怎样对yolo系列网络进行轻量化
07-16
要对YOLO系列网络进行轻量化，可以采用以下几种方法： 1. 调整网络结构：可以减少网络的层数或减少卷积核的数量，从而减小模型的参数量和计算量。例如，可以使用轻量级的卷积块，如MobileNetV3等，替代YOLO中的标准...

“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 60
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