2024年11月7日
【YOLOv11改进 - 注意力机制】EMA（Efficient Multi-Scale Attention）：基于跨空间学习的高效多尺度注意力
摘要： 介绍 摘要 通道或空间注意力机制在许多计算机视觉任务中表现出显著的效果，可以生成更清晰的特征表示。然而，通过通道维度缩减来建模跨通道关系可能会对提取深度视觉表示带来副作用。本文提出了一种新颖高效的多尺度注意力（EMA）模块。该模块着重于保留每个通道的信息并减少计算开销，我们将部分通道重新调整为批次维 阅读全文
posted @ 2024-11-07 22:02 YOLOv8大师 阅读(1081) 评论(0) 推荐(0) 编辑
YOLOv11 正式发布！你需要知道什么? 另附：YOLOv8 与YOLOv11 各模型性能比较
摘要： YOLOv11目标检测创新改进与实战案例专栏 点击查看文章目录： YOLOv11创新改进系列及项目实战目录 包含卷积，主干 注意力，检测头等创新机制 以及 各种目标检测分割项目实战案例 点击查看专栏链接: YOLOv11目标检测创新改进与实战案例 2024年9月30日，Ultralytics在他们的 阅读全文
posted @ 2024-11-07 21:21 YOLOv8大师 阅读(6701) 评论(1) 推荐(0) 编辑
2024年11月5日
【YOLO11改进 - C3k2融合】C3k2DWRSeg二次创新C3k2_DWR：扩张式残差分割网络，提高特征提取效率和多尺度信息获取能力，助力小目标检测
摘要： 介绍 摘要 许多当前的研究直接采用多速率深度扩张卷积，以同时从一个输入特征图中捕获多尺度上下文信息，从而提高实时语义分割的特征提取效率。然而，由于不合理的结构和超参数，这种设计可能导致难以获取多尺度上下文信息。为了降低获取多尺度上下文信息的难度，我们提出了一种高效的多尺度特征提取方法，将原来的单步方 阅读全文
posted @ 2024-11-05 09:26 YOLOv8大师 阅读(536) 评论(0) 推荐(0) 编辑
2024年11月1日
【YOLOv11改进 - 注意力机制】LSKA(Large Separable Kernel Attention)：大核分离卷积注意力模块
摘要： YOLOv11目标检测创新改进与实战案例专栏 点击查看文章目录： YOLOv11创新改进系列及项目实战目录 包含卷积，主干 注意力，检测头等创新机制 以及 各种目标检测分割项目实战案例 点击查看专栏链接: YOLOv11目标检测创新改进与实战案例 @目录YOLOv11目标检测创新改进与实战案例专栏介 阅读全文
posted @ 2024-11-01 09:28 YOLOv8大师 阅读(756) 评论(0) 推荐(0) 编辑
2024年7月26日
【YOLOv8改进- 多模块融合改进】GhostConv + ContextAggregation 幽灵卷积与上下文聚合模块融合改进，助力小目标高效涨点
摘要： YOLOv8目标检测创新改进与实战案例专栏 专栏目录： YOLOv8有效改进系列及项目实战目录 包含卷积，主干 注意力，检测头等创新机制 以及 各种目标检测分割项目实战案例 专栏链接: YOLOv8基础解析+创新改进+实战案例 ContextAggregation介绍 摘要 卷积神经网络（CNNs） 阅读全文
posted @ 2024-07-26 16:35 YOLOv8大师 阅读(394) 评论(0) 推荐(0) 编辑
【YOLOv8改进 - 注意力机制】ContextAggregation : 上下文聚合模块，捕捉局部和全局上下文，增强特征表示
摘要： YOLOv8目标检测创新改进与实战案例专栏 专栏目录： YOLOv8有效改进系列及项目实战目录 包含卷积，主干 注意力，检测头等创新机制 以及 各种目标检测分割项目实战案例 专栏链接: YOLOv8基础解析+创新改进+实战案例 介绍 摘要 卷积神经网络（CNNs）在计算机视觉中无处不在，具有众多高效 阅读全文
posted @ 2024-07-26 16:34 YOLOv8大师 阅读(290) 评论(0) 推荐(0) 编辑
【YOLOv8改进- Backbone主干】BoTNet：基于Transformer，结合自注意力机制和卷积神经网络的骨干网络
摘要： YOLOv8目标检测创新改进与实战案例专栏 专栏目录： YOLOv8有效改进系列及项目实战目录 包含卷积，主干 注意力，检测头等创新机制 以及 各种目标检测分割项目实战案例 专栏链接: YOLOv8基础解析+创新改进+实战案例 介绍 摘要 我们提出了BoTNet，这是一种概念上简单但功能强大的骨干架 阅读全文
posted @ 2024-07-26 16:33 YOLOv8大师 阅读(197) 评论(0) 推荐(0) 编辑
【YOLOv8改进 - 注意力机制】Gather-Excite : 提高网络捕获长距离特征交互的能力
摘要： YOLOv8目标检测创新改进与实战案例专栏 专栏目录： YOLOv8有效改进系列及项目实战目录 包含卷积，主干 注意力，检测头等创新机制 以及 各种目标检测分割项目实战案例 专栏链接: YOLOv8基础解析+创新改进+实战案例 介绍 摘要 虽然卷积神经网络（CNNs）中使用自下而上的局部操作符与自然 阅读全文
posted @ 2024-07-26 16:32 YOLOv8大师 阅读(100) 评论(0) 推荐(0) 编辑
2024年6月30日
【YOLOv8改进 - 注意力机制】NAM：基于归一化的注意力模块，将权重稀疏惩罚应用于注意力机制中，提高效率性能
摘要： **NAM: 提升模型效率的新颖归一化注意力模块，抑制非显著权重，结合通道和空间注意力，通过批量归一化衡量重要性。在Resnet和Mobilenet上的实验显示优于其他三种机制。源码见[GitHub](https://github.com/Christian-lyc/NAM)。** 阅读全文
posted @ 2024-06-30 21:54 YOLOv8大师 阅读(236) 评论(0) 推荐(0) 编辑
2024年6月29日
【YOLOv8改进-损失函数】SlideLoss损失函数，解决样本不平衡问题
摘要： YOLO-FaceV2是基于YOLOv5的实时人脸检测模型，采用RFE模块增强小人脸检测，NWD损失处理定位偏差，SEAM注意力模块应对遮挡，Slide Loss解决样本不平衡，提升对难样本的关注。在WiderFace数据集上超越YOLO系列。论文和代码已公开。Slide Loss通过IoU加权，优化边界样本，提高模型性能。 阅读全文
posted @ 2024-06-29 09:38 YOLOv8大师 阅读(698) 评论(0) 推荐(0) 编辑
下一页
点击右上角即可分享
微信分享提示