[魔改]YOLOv10 目录 | 改进包括Backbone、Neck、Head、注意力、Conv、损失函数和具体的场景应用等 | 手撕结构图 | 全部代码+详细修改方式

前言

hello，大家好

• 本专栏目前已经更新YOLOv10改进文章40+篇。之后，改进会包括Backbone、Neck、Head、注意力、Conv、损失函数和具体的场景应用等。文章中包括完整的代码、详细的修改方法、手撕结构图以及对比图等。
• 本专栏会持续更新网络上的前沿机制，大家感兴趣的机制也可以留言，我会有选择的进行应用于YOLOv10。
• 本专栏会持续更新，尽量周更新2+，订阅本专栏后，可以学会所有文章中的机制，小白也不用担心，只要认真对应，都没有问题。
• 本专栏当前的平均质量分为90+，大家可以放心订阅。如有疑问，欢迎留言评论，我会尽量回复大家。但是，有的时候可能较忙，希望大家理解哈！

 本专栏的改进内容同样可以应用于分类、检测、分割等。

订阅专栏链接 → 点击即可跳转

接下来，我们开始本文的内容：

---

💛 💙 💜 ❤️ 💚 💛 💙 💜 ❤️ 💚 💛 💙 💜 ❤️ 💚 💛 💙 💜 ❤️ 💚 💛 💙 💜 ❤️

---

🚀🚀🚀 【YOLOv10[基础]】🚀🚀🚀

1 【YOLOv10】2024年5月最新的YOLO系列模型Yolov10(论文阅读笔记)

2 【YOLOv10的使用】YOLOv10的训练/验证/预测/导出模型/ONNX模型的使用

3 【YOLOv10】使用yolov10训练自己的数据集/验证 /推理 /导出模型/ONNX模型的使用

4 【YOLOv10[基础]】热力图可视化实践① | 支持视频热力图 | 密度热力图 | 论文必备

5 【YOLOv10[基础]】热力图可视化实践② | 支持图像热力图 | 论文必备

6 【YOLOv10[基础]】热力图可视化实践③ | 热力图脚本升级 | 优化可视化效果 | 论文必备

7 【YOLOv10基础[论文必备]】计算已训模型的FPS值、计算每张随机图片的平均推理时间

---

🚀🚀🚀【YOLOv10改进[Backbone]】🚀🚀🚀

1 【YOLOv10改进[Backbone]】使用SCINet改进YOLOv10在黑暗环境的目标检测效果

2 【YOLOv10改进[Backbone]】使用ADNet改进YOLOv10在噪声干扰下的目标检测效果(图像去噪)

3 【YOLOv10改进[Backbone]】图像修复网络AirNet助力YOLOv10目标检测效果

4 【YOLOv10改进[Backbone]】使用轻量化去雾网络unfog_net改进v10雾霾天气场景的目标检测 — 去雾检测

5 【YOLOv10改进[Backbone]】使用去雾网络AOD_pono_net改进v10雾霾天气场景的目标检测 — 去雾检测

6 【YOLOv10改进[图像去雾]】适用于图像不清晰的场景 |门控可微分图像处理GDIP模块改善YOLOv10物体低照度检测效果

7 【YOLOv10改进[图像去雾]】端到端的特征融合注意力网络( FFA-Net，北大和北航联合提出) |使用FFA改进Yolov10对于模糊图片检测的效果

8 【YOLOv10改进[暗黑场景]】低照度图像增强网络 | 使用RetinexFormer(2023.10)改进暗光条件下的物体检测效果

9 【YOLOv10改进[暗黑场景]】低照度图像增强网络 | 使用PENet(2023.7)改进暗光条件下的物体检测效果

10 【YOLOv10改进[主干]】引入2024.8的RDNet

11 【YOLOv10改进[Backbone]】使用MobileNetV2替换Backbone

12 【YOLOv10改进[Backbone]】使用MobileNetV1替换Backbone

13 【YOLOv10改进[Backbone]】使用MobileNetV3替换Backbone

14 【YOLOv10改进[Backbone]】使用（2024.9）MobileNetV4替换Backbone

15 【YOLOv10改进[Backbone]】使用EfficientNetV1替换Backbone

16 【YOLOv10改进[Backbone]】使用EfficientNetV2替换Backbone

17 【YOLOv10改进[Backbone]】使用Ghostnetv1替换Backbone

18 【YOLOv10改进[Backbone]】使用Ghostnetv2替换Backbone

19 【YOLOv10改进[Backbone]】使用EfficientVit替换Backbone

20 【YOLOv10改进[Backbone]】使用面向移动设备的轻量级网络MobileVitv1替换Backbone

21 【YOLOv10改进[Backbone]】使用MobileVitv2替换Backbone

22 【YOLOv10改进[Backbone]】使用ShuffleNetV1替换Backbone

23 【YOLOv10改进[Backbone]】使用ShuffleNetV2替换Backbone

24 【YOLOv10改进[Backbone]】使用FasterNet替换Backbone | CVPR 2023

25 【YOLOv10改进[Backbone]】使用EMO替换Backbone

26 【YOLOv10改进[Backbone]】使用ConvNeXtV2替换Backbone

27 【YOLOv10改进[Backbone]】使用LSKNet替换Backbone | 用于遥感目标检测的大型选择性核网络

28 【YOLOv10改进[Backbone]】使用StarNet替换Backbone | 轻量化

29 【YOLOv10改进[Backbone]】使用RepVit替换Backbone | 有效涨点

---

🚀🚀🚀【YOLOv10改进[Neck]】🚀🚀🚀

1 【YOLOv10改进[Neck]】小目标遮挡检测的性能提升（MultiSEAM）- 目标遮挡检测

2 【YOLOv10改进[Neck]】小目标遮挡检测的性能提升（SEAM）- 目标遮挡检测

---

🚀🚀🚀【YOLOv10改进[Conv]】🚀🚀🚀

1 【YOLOv10改进[Conv]】YOLOv10中使用OREPA实践

2 【YOLOv10改进[Conv]】v10中使用基于Haar的小波变换Down_wt的实践

3 【YOLOv10改进[CONV]】轻量级架构AKConv助力YOLOv10目标检测效果

4 【YOLOv10改进[CONV]】2024年的DynamicConv助力YOLOv10目标检测效果

5 【YOLOv10改进[CONV]】DualConv助力YOLOv10目标检测效果 + 含全部代码和详细修改方式

6 【YOLOv10改进[CONV]】SPDConv助力YOLOv10目标检测效果 + 含全部代码和详细修改方式

7 【YOLOv10改进[CONV]】使用DualConv二次创新C2f模块实现轻量化

8 【YOLOv10改进[CONV]】使用DynamicConv二次创新C2f模块实现轻量化

9 【YOLOv10改进[CONV]】使用MSBlock二次创新C2f模块实现轻量化且涨点

10 【YOLOv10改进[CONV]】使用PConv(CVPR2023,减少冗余计算和内存访问)来改进C2f模块

11 【YOLOv10改进[CONV]】使用ScConv(CVPR2023，减少冗余计算)来改进C2f模块

12 【YOLOv10改进[CONV]】使用SAConv2d来改进C2f模块 + 含全部代码和详细修改方式

13 【YOLOv10改进[CONV]】YOLOv10中使用SAConv2d的实践

14 【YOLOv10改进[Conv]】KAN系列 |使用KANConv改进C2f + 含全部代码和详细修改方式 + 手撕结构图

15 【YOLOv10改进[Conv]】KAN系列 |使用KACNConv改进C2f

16 【YOLOv10改进[Conv]】KAN系列 |使用KAGNConv改进C2f模块

17 【YOLOv10改进[Conv]】KAN系列 |使用FastKANConv改进C2f模块

18 【YOLOv10改进[Conv]】KAN系列 |使用KAJNConv改进C2f模块

19 【YOLOv10改进[Conv]】KAN系列 |使用KALNConv改进C2f模块

20 【YOLOv10改进[Conv]】KAN系列 |使用WavKANConv改进C2f + 含全部代码和详细修改方式 + 手撕结构图

21 【YOLOv10改进[Conv]】动态蛇形卷积(Dynamic Snake Convolution,2023) | 使用C2f_DSConv改进v10

22 【YOLOv10改进[Conv]】感受野注意力卷积RFAConv（2024.3）| 使用RFAConv 改进v10目标检测效果

23 【YOLOv10改进[Conv]】感受野注意力卷积RFAConv（2024.3）| 使用RFAConv 改进C2f

24 【YOLOv10改进[Conv]】引入GSConv和VoVGSCSPC模块 + 模型轻量化和保持精度

25 【YOLOv10改进[Conv]】引入2024最新大感受野的小波卷积WTConv改进的C2f模块 | ECCV

26 【YOLOv10改进[Conv]】KAN系列 | 引入ChebyKANConv2d, JacobiKANConv2d, GRAMKANConv2d模块

27 【YOLOv10改进[Conv]】KAN系列 | 引入RBFKANConv2d, ReLUKANConv2d, FasterKANConv2d模块

---

🚀🚀🚀【YOLOv10改进[注意力]】🚀🚀🚀

1 【YOLOv10改进[注意力]】小目标遮挡检测的性能提升（MultiSEAM）- 目标遮挡检测

2 【YOLOv10改进[注意力]】小目标遮挡检测的性能提升（SEAM）- 目标遮挡检测

3 【YOLOv10改进[注意力]】YOLOv10中使用EMA机制的实践

4 【YOLOv10改进[注意力]】在YOLOv10中添加注意力GAM + 含全部代码和详细修改方式

5 【YOLOv10改进[注意力]】在YOLOv10中添加坐标注意力CoordAtt

6 【YOLOv10改进[注意力]】在YOLOv10中使用注意力ECA（2020.4）的实践

7 【YOLOv10改进[注意力]】在YOLOv10中使用注意力MLCA的实践

8 【YOLOv10改进[注意力]】使用注意力MLCA改进C2f + 含全部代码和详细修改方式

9 【YOLOv10改进[注意力]】使用注意力CascadedGroupAttention(2023)改进C2f

10 【YOLOv10改进[注意力]】添加注意力CascadedGroupAttention(2023)

11 【YOLOv10改进[注意力]】使用迭代注意力特征融合（iterative attentional feature fusion，iAFF）改进c2f 助力v10有效涨点

12 【YOLOv10改进[注意力]】添加iRMB倒置残差块注意力(2023.8)+ 含全部代码和详细修改方式 + 手撕结构图

13 【YOLOv10改进[注意力]】使用iRMB倒置残差块注意力(2023.8)改进C2f+ 含全部代码和详细修改方式 + 手撕结构图

14 【YOLOv10改进[注意力]】引入通道先验卷积注意力CPCA + 含全部代码和详细修改方式

15 【YOLOv10改进[注意力]】引入Convolutional Block Attention Module，CBAM + 含全部代码和详细修改方式

16 【YOLOv10改进[注意力]】引入空间和通道协同注意力模块SCSA(2024.11) + 含全部代码和详细修改方式

17 【YOLOv10改进[注意力]】引入DA、FCA、SA、SC、SE + 含全部代码和详细修改方式

18 【YOLOv10改进[注意力]】引入并行分块注意力PPA(2024.3.16) + 适于微小目标

19 【YOLOv10改进[注意力]】引入维度互补注意力混合变换( D-RAMiT )模块(2024.4.18) + 图像复原( IR )

20 【YOLOv10改进[注意力]】引入一种高效的直方图Transformer( Histoformer )模块(2024.1.25) + 图像恢复

21 【YOLOv10改进[注意力]】引入2024.9的LIA(local importance-based attention,基于局部重要性的注意力) | 图像超分辨率任务

22 【YOLOv10改进[注意力]】引入使用LIA(local importance-based attention,基于局部重要性的注意力)改进的C2f,C2f_LIA | 图像超分辨率任务

23 【YOLOv10改进[注意力]】引入2024.9.12的LCA(Lightweight Coordinate Attention,轻量级的协同注意力)模块魔改YOLO

24 【YOLOv10改进[注意力]】引入高效多尺度注意力EMA模块改进C2f模块

25 【YOLOv10改进[注意力]】引入高效的通道注意力ECA改进C2f模块

26 【YOLOv10改进[注意力]】引入ACmix机制(享有自注意力和卷积的优势) | CVPR 2021

---

🚀🚀🚀【YOLOv10改进[SPPF]】🚀🚀🚀

1 【YOLOv10改进[SPPF]】使用 FocalModulation替换SPPF（模型结构变化小+涨点） + 含全部代码和详细修改方式

2 【YOLOv10改进[SPPF]】使用 v9的SPPELAN替换SPPF模块 + 含全部代码和详细修改方式

3 【YOLOv10改进[SPPF]】使用 SPPCSPC替换SPPF模块 + 含全部代码和详细修改方式

4 【YOLOv10改进[SPPF]】使用 SPPFCSPC替换SPPF模块 + 含全部代码和详细修改方式

---

🚀🚀🚀【YOLOv10改进[损失函数]】🚀🚀🚀

1 【YOLOv10改进[损失函数]】使用结合InnerIoU和Focaler的各种损失函数助力YOLOv10更优秀

---

🚀🚀🚀【YOLOv10改进[Head]】🚀🚀🚀

1 【YOLOv10改进[Head检测头]】换个YOLO自带的RT-DETR head

---

到此，本文分享的内容就结束啦！

遇见便是缘，感恩遇见！！！

💛 💙 💜 ❤️ 💚 💛 💙 💜 ❤️ 💚 💛 💙 💜 ❤️ 💚 💛 💙 💜 ❤️ 💚 💛 💙 💜 ❤️ 💚 💛 💙 💜 ❤️ 💚 💛 💙 💜 ❤️ 💚 💛 💙 💜 ❤️ 💚 💛 💙 💜 ❤️ 💚