改进YOLO系列：8.添加SimAM注意力机制

最新推荐文章于 2024-08-24 22:37:02 发布
最新推荐文章于 2024-08-24 22:37:02 发布
阅读量547 收藏 1
点赞数 1
分类专栏： 改进YOLO系列 文章标签： YOLO
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_45454137/article/details/132503545
版权
本文介绍了如何将SimAM注意力机制应用于YOLO系列模型，详细讲解了SimAM的论文背景、工作原理，并提供了在common.py、yolo.py及yaml配置文件中的具体实现步骤。
摘要由CSDN通过智能技术生成

添加SimAM注意力机制

1. SimAM注意力机制论文

论文题目：SimAM: A Simple, Parameter-Free Attention Module for Convolutional Neural Networks
论文链接：SimAM: A Simple, Parameter-Free Attention Module for Convolutional Neural Networks

２. SimAM注意力机制原理

在这里插入图片描述

３. SimAM注意力机制的配置

３.１common.py配置

./models/common.py文件增加以下模块
在这里插入图片描述
在最后添加如下代码块&

了解本专栏 订阅专栏 解锁全文 超级会员免费看
test0000009
关注
专栏目录
订阅专栏
YOLOv5改进实战 | 添加注意力机制（一）之SimAM篇
w94ghz的博客
10-02 2668
YOLO算法改进指南：8.添加SimAM注意力机制 ｜无参数注意力模块
“365天深度学习训练营”报名进行中～
07-16 3990
本文提出一种概念简单且非常有效的注意力模块。不同于现有的通道/空域注意力模块，该模块无需额外参数为特征图推导出3D注意力权值。具体来说，本文基于著名的神经科学理论提出优化能量函数以挖掘神经元的重要性。本文进一步针对该能量函数推导出一种快速解析解并表明：该解析解仅需不超过10行代码即可实现。该模块的另一个优势在于：大部分操作均基于所定义的能量函数选择，避免了过多的结构调整。最后，本文在不同的任务上对所提注意力模块的有效性、灵活性进行验证。
yolov8添加注意力机制-学习记录
01-25
yolov8添加注意力机制-学习记录
YOLOX 改进 004：Backbone 添加 SimAM 注意力机制
m0_46496775的博客
08-07 775
本文介绍了一种简单而有效的注意力模块，即简单注意力模块（SimAM）。SimAM 是一种无参数注意力模块，它能够在增强神经网络的表示能力的同时，而不会显著增加计算开销。在本文中，给大家带来的教程是在原来的主干网络添加 SimAM 注意力机制。
改进YOLOv7系列：24.添加SimAM注意力机制
热门推荐
包括YOLOv5、YOLOv7、YOLOv8等模型改进
09-04 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
SimAM: A Simple, Parameter-Free Attention Module for Convolutional Neural Networks论文阅读
hb_learing的博客
07-25 4990
本文提出一种概念简单且非常有效的注意力模块。不同于现有的通道/空域注意力模块，该模块无需额外参数为特征图推导出3D注意力权值。具体来说，本文基于著名的神经科学理论提出优化能量函数以挖掘神经元的重要性。本文进一步针对该能量函数推导出一种快速解析解并表明：该解析解仅需不超过10行代码即可实现。该模块的另一个优势在于：大部分操作均基于所定义的能量函数选择，避免了过多的结构调整。最后，本文在不同的任务上对所提注意力模块的有效性、灵活性进行验证。
SimAM: A Simple, Parameter-Free Attention Module for Convolutional Neural Networks
weixin_50476352的博客
08-02 2479
论文名称：SimAM: A Simple, Parameter-Free Attention Module for Convolutional Neural Networks 作者：Lingxiao Yang, Ru-Yuan Zhang, Lida Li, Xiaohua Xie Code：https://github.com/ZjjConan/SimAM 介绍 本文提出了一种简单有效的3D注意力模块，基于著名的神经科学理论，提出了一种能量函数，并且推导出其快速解析解，能够为每一个神经元分配权重。主要.
YOLOv5改进系列（7）——添加SimAM注意力机制
路人贾的博客
06-04 4460
手把手教你在YOLOv5中加入SimAM注意力机制，文内含两种方法，小白也能看懂！
YOLOv8改进 | 注意力机制 | 添加SimAM注意力机制【全网独家+附完整代码】
kay_545
06-04 1734
yolov8.，yolov改进，yolov8添加注意力机制
【yolov系列：yolov7改进添加SIAM注意力机制】
weixin_47869094的博客
10-07 2037
siam注意力机制的添加和se注意力机制是一样的添加方法，可以根据自己的实际需求进行添加可以参考如下。yolov7改进添加SE注意力机制。
【即插即用】SimAM无参数注意力机制（附源码）
weixin_45694817的博客
03-20 2091
在这篇论文里，我们提出了一种概念简单但非常有效的注意力模块，用于卷积神经网络（ConvNets）。与现有的通道式和空间式注意力模块不同，我们的模块在不增加原网络参数的情况下，为每一层的特征图推导出3D注意力权重。具体来说，我们基于一些广为人知的神经科学理论，提出优化一个能量函数来找出每个神经元的重要性。我们还为这个能量函数推导出了一个快速的封闭形式解，这个解只需要不到十行代码就能实现。这个模块的另一个优点是，大多数操作符都是基于定义的能量函数的解来选择的，这样就避免了过多的结构调整工作。
即插即用篇 | YOLOv8 引入 SimAM 注意力机制 | 《SimAM: A Simple, Parameter-Free Attention Module for Convolutional》
YOLOv8项目贡献者
03-01 3791
即插即用篇 | YOLOv8 引入 SimAM 注意力机制 | 《SimAM: A Simple, Parameter-Free Attention Module for Convolutional》
简单无参注意力 SimAM | SimAM: A Simple, Parameter-Free Attention Module for Convolutional Neural Networks
YOLOv8项目贡献者
04-29 2164
简单无参注意力 SimAM
ICML 2021 | SimAM 无参注意力机制!(keras实现)
u011447962的博客
07-30 5462
中山大学 paper:http://proceedings.mlr.press/v139/yang21o/yang21o.pdf code:https://github.com/ZjjConan/SimAM
Unet改进3：在不同位置添加NAMAttention注意力机制
最新发布
m0_51530640的博客
08-24 101
识别不太显著的特征是模型压缩的关键。然而，它在革命性的注意机制中尚未得到研究。在这项工作中，我们提出了一种新的基于归一化的注意力模块(NAM)，它抑制了较不显著的权重。它将权重稀疏性惩罚应用于注意力模块，从而使它们在保持类似性能的同时提高计算效率。与Resnet和Mobilenet上的其他三种注意机制的比较表明，我们的方法具有更高的准确性。
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