YOLOv5改进系列(五) 本文(1.5万字) | 更换空间金字塔池化 | SPP | SPPF | SimSPPF | ASPP | RFB | SPPCSPC | SPPFCSPC |

已于 2024-01-31 16:34:51 修改
阅读量1.1k 收藏 20
点赞数 21
文章标签： YOLO 人工智能 深度学习 SPP SPPF ASPP SPPCSPC
于 2023-12-29 12:32:20 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_44302770/article/details/135275505
版权
人工智能专栏计划 专栏收录该内容
141 篇文章 7 订阅

已下架不支持订阅

点击进入专栏：
《人工智能专栏》 Python与Python | 机器学习 | 深度学习 | 目标检测 | YOLOv5及其改进 | YOLOv8及其改进 | 关键知识点 | 各种工具教程

代码函数调用关系图(全网最详尽-重要)

因文档特殊，不能在博客正确显示，请移步以下链接！

图解YOLOv5_v7.0代码结构与调用关系(点击进入可以放大缩小等操作)

预览：
在这里插入图片描述

文章目录

      • 1 原理
        • 1.1 SPP（Spatial Pyramid Pooling）
        • 1.2 SPPF（Spatial Pyramid Pooling - Fast）
        • 1.3 SimSPPF（Simplified SPPF）
        • 1.4 ASPP（Atrous Spatial Pyramid Pooling）
        • 1.5 RFB（Receptive Field Block）
        • 1.6 SPPCSPC
        • 1.7 SPPFCSPC
      • 2 参数量对比
      • 3 改进方式
      • 4 Issue

1 原理

1.1 SPP（Spatial Pyramid Pooling）

SPP模块是何凯明大神在2015年的论文《Spatial Pyramid Pooling in Deep Convolutional

了解本专栏 已下架不支持订阅
小酒馆燃着灯
关注
  • 21
    点赞
  • 踩
  • 20
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录

已下架不支持订阅

YOLOv5改进实战 | 空间金字塔池化改进（三）之SPPFCSPC篇
w94ghz的博客
10-12 1861
yolov5-master(1).zip
06-30
5. **SPP-Block（Spatial Pyramid Pooling）**：引入空间金字塔池化层，增强了模型对不同尺度目标的适应性。 6. **Path Aggregation Network (PANet)**：YOLOv5采用PANet结构，结合低层次特征的细节信息和高层次...
follow迪导，对几个SPPF、SPP、simSPPF模块进行了速度测试
孟孟单单的博客
11-03 4567
follow迪导，对几个SPPF、SPP、simSPPF模块进行了速度测试
YOLOv5、YOLOv8改进：空间金字塔池化 SPPF改为 SimSPPF / ASPP / RFB / SPPCSPC / SPPFCSPC
weixin_45303602的博客
09-23 8665
空间金字塔池化（Spatial Pyramid Pooling，SPP）是一种用于解决输入尺寸不同的图像在深度学习中常见的问题的技术。它通过将不同尺寸的感受野划分成不同的层级，并对每个层级内的特征进行池化操作，从而能够对任意大小的输入图像进行固定长度的特征表示。
空间金字塔池化改进 SPP / SPPF / SimSPPF / ASPP / RFB / SPPCSPC / SPPFCSPC / SPPELAN
热门推荐
YOLOv8项目贡献者
08-15 11万+
汇总一些SPP结构
steel 引用的yolov5代码yolov5-master.zip
最新发布
03-04
1. **网络架构**：YOLOv5采用了类似YOLOv3的 Darknet-53 网络作为基础特征提取器，但进行了优化，如使用了更小的卷积核、路径聚合网络（Path Aggregation Network, PANet）来增强上下文信息的传递，并引入了SPP-...
yolov5-4.0-pytorch预训练模型yolov5l.pt、yolov5m.pt、yolov5s.pt、yolov5x
01-06
YOLOv5是YOLO（You Only Look Once）系列目标检测模型的最新版本，目前更新到了v5.0。这个模型在计算机视觉领域被广泛应用于实时物体检测，因其速度快、精度高而备受青睐。YOLOv5 4.0是其在2020年的更新，主要基于...
原版的YOLOv5的预训练模型.rar
07-09
YOLOv5是一种基于深度学习的目标检测框架，全称为"You Only Look Once"的第五个版本。这个框架由Joseph Redmon等人在2016年首次提出，而YOLOv5则是由 Ultralytics 团队进一步优化和发展的一个高效、准确且易于使用的...
tensorrtx-yolov5-v5.0.tar.gz
02-22
1. **网络结构优化**：YOLOv5 v5.0采用了更先进的网络架构，如SPP-Block（Spatial Pyramid Pooling）和Path Aggregation Network（PANet），提升了特征提取的效率和准确性。 2. **数据增强策略**：引入了更多的数据...
【完全免费分享】yolov8改进方法，包含多种改进（注意力机制、transformer等）
weixin_62371528的博客
02-28 1万+
yolov8改进方法，包含多种改进（注意力机制、transformer等）ContextAggregation,BoT3, GAM_Attention, GlobalContext, GatherExcite, TripletAttention, ECAAttention, ShuffleAttention, SEAttention, EffectiveSE, C3TR, RepViTBlock, SPPFCSPC, DWConv, GhostConv等等
Yolov5调整空间金字塔池化SPPCSPC/上采样方式bilinear
m0_56247038的博客
08-25 1万+
​空间金字塔池化以及上采样方式的最佳选择
【毕业设计选题】基于深度学习的健身动作(俯卧撑 深蹲 仰卧起坐)识别计数系统 YOLO 人工智能 算法
Hai_Lang_IT的博客
12-21 2507
毕业设计-基于深度学习的健身动作识别系统的毕业设计。该系统可以识别俯卧撑、深蹲和仰卧起坐等健身动作。介绍了一项基于深度学习的健身动作识别系统的毕业设计。该系统能够准确识别俯卧撑、深蹲和仰卧起坐等常见健身动作，为用户提供实时反馈和指导。通过深度学习算法的应用，该系统具备高度的准确性和稳定性，为健身爱好者提供了一种全新的训练辅助工具。
Multi-scale context多尺度上下文信息的学习
LIWEI940638093的博客
12-25 525
Multi-scale context多尺度上下文信息的学习
空间金字塔池化改进
小嘤熊的博客
11-08 271
RFB模块是在《ECCV2018:Receptive Field Block Net for Accurate and Fast Object Detection》一文中提出的，出发点是模拟人类视觉的感受野从而加强网络的特征提取能力，在结构上RFB借鉴了Inception的思想，主要是在Inception的基础上加入了空洞卷积，从而有效增大了感受野。相比原来的正常卷积操作，扩张卷积多了一个参数：dilation rate，指的是卷积核的点的间隔数量，比如常规的卷积操作dilatation rate为1。
空间金字塔池化（SPP，Spatial Pyramid Pooling)系列
m0_73832962的博客
12-05 2673
空间金字塔池化的作用是解决输入图片大小不一造成的缺陷，同时在目标识别中增加了精度。空间金字塔池化可以使得任意大小的特征图都能够转换成固定大小的特征向量，下面针对一些典型的空间金字塔进行盘点。
YoloV8更改SPPF为SPPCSPC
shenmiren6x的博客
11-18 529
将这个代码复制到block.py文件夹下，并在开头的__all__中添加SPPCSPC，否则会提示找不到。在task.py中，找到parse_model()方法，并在下图所示的位置，添加SPPCSPC。1.block.py 路径为：ultralytics/nn/modules/block.py。由于代码版本不同，可能代码文件所在位置不同，请找到准确位置后再进行更改，防止出现错误。2.task.py 路径为：ultralytics/nn/tasks.py。
YOLOv5/v7/v8 的改进点合集导航页
YOLOv8项目贡献者
05-17 3万+
🚀🚀🚀YOLOv5/v7/v8 的改进点合集导航页🚀🚀🚀
特征融合篇 | YOLOv5/v7 更换上采样方式 | 最近邻 / 双线性 / 双立方 / 三线性 / 转置卷积
YOLOv8项目贡献者
06-22 1万+
YOLOv5/v7 更换上采样方式 | 最近邻 / 双线性 / 双立方 / 三线性 / 转置卷积
yolov5改进spp的池化方式
08-18
在YOLOv5中，SPP（Spatial Pyramid Pooling）的池化方式有所改进。传统的SPP使用max pooling操作来对每个区域进行特征提取，但YOLOv5采用了更加灵活的池化方式。 在YOLOv5的SPP模块中，首先将输入特征图分成不同尺度的网格，然后对每个网格进行不同大小的池化操作。相比传统的max pooling，YOLOv5引入了自适应平均池化（adaptive average pooling）和最大平均池化（max average pooling）。 自适应平均池化是一种自适应地根据输入尺寸进行平均池化的方式，可以适应不同尺度的目标。最大平均池化是将自适应平均池化和max pooling进行结合，在每个网格中同时计算最大值和平均值。 这种改进的池化方式可以更好地捕捉多尺度特征，并提高模型在不同尺度目标检测任务中的性能。通过使用自适应平均池化和最大平均池化，YOLOv5能够更好地利用特征图中不同区域的信息，提高目标检测的准确性和鲁棒性。

“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
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

小酒馆燃着灯

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