《YOLOv5/YOLOv7魔术师》专栏介绍 CSDN独家改进创新实战专栏目录

news2024/11/24 15:43:44

 💡💡💡YOLOv5/YOLOv7魔术师独家首发创新(原创),持续更新,最终完结篇数≥100+,适用于Yolov5、Yolov7、Yolov8等各个Yolo系列,专栏文章提供每一步步骤和源码,轻松带你上手魔改网络

💡💡💡重点:通过本专栏的阅读,后续你也可以自己魔改网络,在网络不同位置(Backbone、head、detect、loss等)进行魔改,实现创新!!!

 专栏介绍:

✨✨✨原创魔改网络、复现前沿论文,组合优化创新

🚀🚀🚀小目标、遮挡物、难样本性能提升

🍉🍉🍉持续更新中,定期更新不同数据集涨点情况

本专栏提供每一步改进步骤和源码,开箱即用,在你的数据集下轻松涨点,

通过注意力机制、小目标检测、Backbone&Head优化、 IOU&Loss优化、优化器改进、卷积变体改进、轻量级网络结合yolo等方面进行展开

专栏链接如下:

Yolov5/Yolov7魔术师_AI小怪兽的博客-CSDN博客

注意力机制,开箱即用:

1.上下文信息CAM:

基于Yolov5/Yolov7微小目标检测---上下文信息CAM,微小目标涨点明显_AI小怪兽的博客-CSDN博客

2.FocalNet焦点调制注意力模块:

涨点神器:FocalNet焦点调制注意力模块引入Yolov5/Yolov7,暴力涨点_AI小怪兽的博客-CSDN博客

3.SOCA注意力机制:

 Yolov5/Yolov7 加入SOCA注意力机制(单图超分)_AI小怪兽的博客-CSDN博客

4.多头上下文集成(Context Aggregation)的广义构建模块: Yolov5涨点神器:注意力机制---多头上下文集成(Context Aggregation)的广义构建模块,助力小目标检测,暴力涨点_AI小怪兽的博客-CSDN博客

5. 2023 MobileViT移动端轻量通用视觉transformer,MobileViTAttention:

Yolov5/Yolov7涨点技巧:MobileViT移动端轻量通用视觉transformer,MobileViTAttention助力小目标检测,涨点显著_AI小怪兽的博客-CSDN博客

6.轻量高效注意力模块Sea_AttentionBlock | ICLR2023|SeaFormer:

Yolov5涨点技巧:轻量高效注意力模块Sea_AttentionBlock | ICLR2023|SeaFormer:轻量级语义分割算法,复旦大学和腾讯联合提出_AI小怪兽的博客-CSDN博客

7.CVPR 2023 BiFormer: 基于动态稀疏注意力构建高效金字塔网络:

Yolov7 引入CVPR 2023 BiFormer: 基于动态稀疏注意力构建高效金字塔网络架构,对小目标涨点明显_AI小怪兽的博客-CSDN博客

8. ICASSP2023 EMA基于跨空间学习的高效多尺度注意力:

Yolov5/Yolov7改进---注意力机制:ICASSP2023 EMA基于跨空间学习的高效多尺度注意力、效果优于ECA、CBAM、CA | 小目标涨点明显_AI小怪兽的博客-CSDN博客

9.注意力机制:CoordAttention ,CVPR2021:

Yolov5/YoloV7改进---注意力机制:CoordAttention,效果秒杀CBAM、SE_AI小怪兽的博客-CSDN博客

10.注意力机制:CoTAttention,跨模态Transformer

Yolov5/Yolov7改进---注意力机制:CoTAttention,效果秒杀CBAM、SE_AI小怪兽的博客-CSDN博客

11.注意力机制:Polarized Self-Attention,改进的自注意力机制:

Yolov5/Yolov7改进---注意力机制:Polarized Self-Attention,效果秒杀CBAM、SE_AI小怪兽的博客-CSDN博客

12.注意力机制:ShuffleAttention、ECA、EffectiveSE、SE:

Yolov5/Yolov7改进---注意力机制:ShuffleAttention、ECA、EffectiveSE、SE_AI小怪兽的博客-CSDN博客

13.注意力机制: SimAM(无参Attention)和NAM(基于标准化的注意力模块):

Yolov5/Yolov7改进---注意力机制: SimAM(无参Attention)和NAM(基于标准化的注意力模块),效果秒杀CBAM、SE_AI小怪兽的博客-CSDN博客

14.注意力机制:self-attention实现涨点的同时,能够大幅减少参数量和计算量:

Yolov5/Yolov7改进---注意力机制:self-attention实现涨点的同时,能够大幅减少参数量和计算量_AI小怪兽的博客-CSDN博客

Backbone&Head优化:

1.引入HorNet:递归门控卷积的高效高阶空间交互---gnConv、HorBlock、HorNet:

涨点神器:Yolov5/Yolov7全面引入HorNet:递归门控卷积的高效高阶空间交互---gnConv、HorBlock、HorNet_AI小怪兽的博客-CSDN博客

2.新型解耦头 TSCODE:

即插即用! | 国防科大联合慕尼黑工业大学提出新型解耦头 TSCODE: 引入yolov5/yolov7助力目标检测器轻松涨点!_AI小怪兽的博客-CSDN博客

 3.小目标到大目标一网打尽GiraffeDet:

Yolov5/Yolov7改进:小目标到大目标一网打尽,轻骨干重Neck的轻量级目标检测器GiraffeDet_目标检测neck改进_AI小怪兽的博客-CSDN博客

4.RIFormerBlock助力检测|CVPR2023|RIFormer:

Yolov5涨点神器:RIFormerBlock助力检测|CVPR2023|RIFormer:无需TokenMixer也能达成SOTA性能的极简ViT架构_AI小怪兽的博客-CSDN博客 5.ConvNeXtV2Block结合C2f助力检测:

Yolov5涨点技巧:ConvNeXtV2Block结合C2f助力检测 | ConvNeXt V2来了,仅用最简单的卷积架构,性能不输Transformer_AI小怪兽的博客-CSDN博客

6.移动端高效网络架构 CloFormer: 注意力机制与卷积的完美融合 | 清华团队2023 即插即用系列:

Yolov5/Yolov7优化:最新移动端高效网络架构 CloFormer: 注意力机制与卷积的完美融合 | 清华团队2023 即插即用系列_AI小怪兽的博客-CSDN博客

6.CVPR2023 InceptionNeXt当Inception遇见ConvNeXt:

涨点神器:CVPR2023 InceptionNeXt当Inception遇见ConvNeXt,在Yolov5/Yolov7/Yolov8即插即用,小目标检测涨点明显_AI小怪兽的博客-CSDN博客7.华为诺亚2023极简的神经网络模型 VanillaNet---VanillaBlock助力检测:

首发出炉Yolov5/Yolov7涨点神器:华为诺亚2023极简的神经网络模型 VanillaNet---VanillaBlock助力检测,实现暴力涨点_AI小怪兽的博客-CSDN博客

IOU&Loss优化:

1.损失函数改进:Wasserstein Distance Loss:

Yolov7/Yolov5损失函数改进:Wasserstein Distance Loss,助力小目标涨点_AI小怪兽的博客-CSDN博客

2.引入WIoU,SIoU,EIoU,α-IoU:

 涨点技巧:IOU篇---Yolov5/Yolov7引入WIoU,SIoU,EIoU,α-IoU_AI小怪兽的博客-CSDN博客

3.LRM loss,提升难样本检测精度:

涨点技巧:基于Yolov5/Yolov7的困难样本挖掘---LRM loss,提升难样本检测精度_AI小怪兽的博客-CSDN博客

4.引入Soft-NMS,提升密集遮挡场景检测精度:

 Yolov5/Yolov7优化:引入Soft-NMS,提升密集遮挡场景检测精度_AI小怪兽的博客-CSDN博客

5.引入Soft-NMS并结合各个IOU变体GIOU、DIOU、CIOU、EIOU、SIOU:

Yolov5/Yolov7优化:引入Soft-NMS并结合各个IOU变体GIOU、DIOU、CIOU、EIOU、SIOU,进一步提升密集遮挡场景检测精度_AI小怪兽的博客-CSDN博客

小目标性能提升:

1.ECVBlock的小目标检测,即插即用,助力检测涨点:

基于YoloV5的CFPNet---ECVBlock的小目标检测,即插即用,助力检测涨点_AI小怪兽的博客-CSDN博客

2.ODConv+ConvNeXt提升小目标检测能力:

涨点神器:Yolov5 加入ODConv+ConvNeXt提升小目标检测能力,适用yolo各个系列_AI小怪兽的博客-CSDN博客

3. Wasserstein Distance Loss,助力小目标涨点:

Yolov7/Yolov5损失函数改进:Wasserstein Distance Loss,助力小目标涨点_AI小怪兽的博客-CSDN博客

4.小目标遮挡物性能提升(SEAM、MultiSEAM):

涨点神器:基于Yolov5/Yolov7小目标遮挡物性能提升(SEAM、MultiSEAM)_yolo遮挡_AI小怪兽的博客-CSDN博客

5.CVPR2023 Demystify Transformers & Convolutions ,提升小目标检测精度:

涨点技巧:Yolov5/Yolov7引入CVPR2023 Demystify Transformers & Convolutions ,提升小目标检测精度_AI小怪兽的博客-CSDN博客

6.上下文信息CAM,微小目标涨点明显:

基于Yolov5/Yolov7微小目标检测---上下文信息CAM,微小目标涨点明显_AI小怪兽的博客-CSDN博客 7. Context Aggregation广义构建模块,助力小目标检测,暴力涨点:

Yolov5涨点神器:注意力机制---多头上下文集成(Context Aggregation)的广义构建模块,助力小目标检测,暴力涨点_AI小怪兽的博客-CSDN博客

8.基于Yolov5/Yolov7的小目标性能提升:

 涨点神器:基于Yolov5/Yolov7的小目标性能提升_AI小怪兽的博客-CSDN博客

9.多头检测头提升小目标检测精度 :

涨点技巧:基于Yolov5的微小目标检测,多头检测头提升小目标检测精度_yolov5增加检测头_AI小怪兽的博客-CSDN博客

10.CVPR 2023 BiFormer: 基于动态稀疏注意力构建高效金字塔网络架构,对小目标涨点明显:Yolov7 引入CVPR 2023 BiFormer: 基于动态稀疏注意力构建高效金字塔网络架构,对小目标涨点明显_AI小怪兽的博客-CSDN博客 11.Yolov5/Yolov7 引入CVPR 2023 BiFormer: 基于动态稀疏注意力构建高效金字塔网络架构:

Yolov5/Yolov7 引入CVPR 2023 BiFormer: 基于动态稀疏注意力构建高效金字塔网络架构,对小目标涨点明显_AI小怪兽的博客-CSDN博客

12. ICASSP2023 EMA基于跨空间学习的高效多尺度注意力、效果优于ECA、CBAM、CA | 小目标涨点明显:

Yolov5/Yolov7改进---注意力机制:ICASSP2023 EMA基于跨空间学习的高效多尺度注意力、效果优于ECA、CBAM、CA | 小目标涨点明显_AI小怪兽的博客-CSDN博客

13.CVPR2023 InceptionNeXt当Inception遇见ConvNeXt,小目标检测涨点明显 :

涨点神器:CVPR2023 InceptionNeXt当Inception遇见ConvNeXt,在Yolov5/Yolov7/Yolov8即插即用,小目标检测涨点明显_AI小怪兽的博客-CSDN博客

优化器改进:

1.2023谷歌强势推出优化器Lion:

涨点技巧: 谷歌强势推出优化器Lion,引入到Yolov5/Yolov7,内存更小、效率更高,秒杀Adam(W)_AI小怪兽的博客-CSDN博客

2. 斯坦福2023最新Sophia优化器 :

首发Yolov5/Yolov7优化:Adam该换了!斯坦福最新Sophia优化器,比Adam快2倍 | 2023.5月斯坦福最新成果_AI小怪兽的博客-CSDN博客

卷积变体改进:

1.卷积变体DCNV2: 

涨点神器:卷积变体DCNV2引入Yolov5/Yolov7,助力涨点_AI小怪兽的博客-CSDN博客

2.CVPR2023 FasterNet远超ShuffleNet、MobileNet、MobileViT,引入PConv:

Yolov5/Yolov7改进CVPR2023 FasterNet远超ShuffleNet、MobileNet、MobileViT,引入PConv结构map涨点的同时进一步降低参数量_AI小怪兽的博客-CSDN博客

3.引入CVPR2023 InternImage:注入新机制,扩展DCNv3:

涨点神器:Yolov5/Yolov7引入CVPR2023 InternImage:注入新机制,扩展DCNv3,助力涨点,COCO新纪录65.4mAP!_AI小怪兽的博客-CSDN博客

轻量级网络结合yolov5:

1.华为Ghostnet,超越谷歌MobileNet | CVPR2020:

Yolov5轻量级网络:Ghostnet、G_ghost、Ghostnetv2家族大作战(一):华为Ghostnet,超越谷歌MobileNet | CVPR2020_AI小怪兽的博客-CSDN博客

2.华为Ghostnet,超越谷歌MobileNet | CVPR2020:

Yolov5轻量级网络:Ghostnet、G_ghost、Ghostnetv2家族大作战(一):华为Ghostnet,超越谷歌MobileNet | CVPR2020_AI小怪兽的博客-CSDN博客

3.华为GhostNet再升级,全系列硬件上最优极简AI网络G_ghost | IJCV22: Yolov5轻量级网络:Ghostnet、G_ghost、Ghostnetv2家族大作战(三):华为GhostNet再升级,全系列硬件上最优极简AI网络G_ghost | IJCV22_AI小怪兽的博客-CSDN博客

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/717627.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

测试员眼中的____是____

- 1 - 测试员眼中的开发是淘气的孩子 只有靠哄、豁、骗 才能让其完成“作业” - 2 - 测试员眼中的产品经理是女票 不管大小事,只要意见有出入 都得与其商量,才能最终拍板 - 3 - 测试员眼中的UI是艺术家 每天都操着画板(苹果显示器&#xff…

解除网页禁止复制,复制粘贴没烦恼。

参考 解除网页禁止复制,复制粘贴没烦恼。 https://zhuanlan.zhihu.com/p/344419634 安装SuperCopy插件

游戏出海长期向好趋势未改,茄子科技助力企业把握出海机遇

在中国游戏出海成为更多企业的必选题之时,如何把握出海机遇,在激烈竞争中实现增长,成为中国游戏厂商的着力点。秉承着红海将至的市场发展背景,出海全球化、本地化的战略已经成为企业大势所趋,越来越多的游戏厂商开始挑…

【3 栈和队列】共享栈

利用栈底位置相对不变的特性,可以让两个顺序栈共享一个一维数据空间,将两个栈的栈底分别设置在共享空间的两端,两个栈顶向共享空间中间延伸。 两个栈的栈顶指针都指向栈顶元素, top0-1时0号栈为空,top1MaxSize-1时1号…

智安网络|网络安全威胁多样化和复杂化,防护任务日益艰巨

随着数字化和网络化的加速发展,人们面临的网络安全问题日益增多。由于网络安全威胁的多样性和复杂性,网络安全防护变得越来越困难。 一. 网络安全威胁的复杂性 网络安全威胁种类繁多,主要包括病毒、木马、蠕虫、间谍软件、恶意软件、黑客攻击…

解决使用idea的maven打包springboot项目时,“不支持版本号17”的问题

问题描述 在idea里面使用maven的package功能,对一个springboot项目打包jar包时,出现了“不支持版本号17”的错误 经排查,本地确实装了jdk17的,而且运行mvn -version也提示有java 17 解决办法 最后发现,可能是idea…

2023年生猪行业研究报告

第一章 行业概况 生猪是指猪类动物中未经加工的、原始的、活体的猪,通常是指用于肉类生产的猪。生猪在全球范围内都是主要的肉类来源之一。它们的肉质丰富,营养价值高,同时还能用来制作各种加工肉类产品,如火腿、香肠等。 生猪养…

以太网 (数据链路层协议)

以太网 认识以太网以太网数据帧 认识以太网 “以太网” 不是一种具体的网络,而是一种技术标准;既包含了数据链路层的内容,也包含了一些物理层的内容。 例如:规定了网络拓扑结构,访问控制方式,传输速率等&a…

你值得拥有——流星雨下的告白(Python实现)

目录 1 前言 2 霍金说移民外太空 3 浪漫的流星雨展示 4 Python代码 1 前言 我们先给个小故事,提一下大家兴趣;然后我给出论据,得出结论。最后再浪漫的流星雨表白代码奉上,还有我自创的一首诗。开始啦: 2 霍金说移民外…

数据万象AVIF图片压缩 - 小程序省流量利器

导语 微信小程序因其便捷的开发环境和天然的微信生态,使得越来越多企业平台通过小程序建立自己的业务。在小程序上使用图片非常广泛,但传统格式图片(如 JPG/PNG)占用空间大,加载速度慢,可能导致昂贵的图片…

瑞吉外卖-Day01

title: 瑞吉外卖-Day01 abbrlink: ‘0’ date: 2023-04-1 18:00:00 瑞吉外卖-Day01 课程内容 软件开发整体介绍 瑞吉外卖项目介绍 开发环境搭建 后台登录功能开发 后台退出功能开发 1. 软件开发整体介绍 作为一名软件开发工程师,我们需要了解在软件开发过程中的开发流…

基于Java+Vue前后端分离田径运动会成绩管理系统设计实现(源码+lw+部署文档+讲解等)

博主介绍:✌全网粉丝30W,csdn特邀作者、博客专家、CSDN新星计划导师、Java领域优质创作者,博客之星、掘金/华为云/阿里云/InfoQ等平台优质作者、专注于Java技术领域和毕业项目实战✌ 🍅文末获取源码联系🍅 👇🏻 精彩专…

Echarts 环形图图例内容+数据+换行

由于legen.formatter return的数据并不支持直接换行所以只能用/n进行换行。但是使用\n后的内容并不能很好的进行对齐,刚开始也是困扰了我很久,毕竟UI图已经定稿只能硬着头皮上了。 说一下我的方法: 1.使用formatter 先拿到想要的数据然后用\n进行换行 …

2023年07月编程语言流行度排名

点击查看最新编程语言流行度排名(每月更新) 2023年07月编程语言流行度排名 编程语言流行度排名是通过分析在谷歌上搜索语言教程的频率而创建的 一门语言教程被搜索的次数越多,大家就会认为该语言越受欢迎。这是一个领先指标。原始数据来自…

SAP 销售订单状态修改

FM: I_CHANGE_STATUS 代码样例: FUNCTION zjkdms003. *"---------------------------------------------------------------------- *"*"本地接口: *" IMPORTING *" VALUE(I_VBELN) TYPE VBELN_VA OPTIONAL *" EX…

初中数学知识点-约数倍数

1、约数(因数)、倍数 整数a除以整数b(b≠0) 除得的商正好是整数而没有余数,我们就说a能被b整除,或b能整除a。 a称为b的倍数,b称为a的约数。约数,又称因数。 2、公约数、最大公约数 几个数公有的约数,叫…

Spark(10):RDD依赖关系

目录 0. 相关文章链接 1. RDD 血缘关系 2. RDD依赖关系 3. RDD窄依赖 6. RDD宽依赖 7. RDD阶段划分 8. RDD阶段划分源码 9. RDD任务划分 0. 相关文章链接 Spark文章汇总 1. RDD 血缘关系 RDD 只支持粗粒度转换,即在大量记录上执行的单个操作。将创建 RDD …

HDLBits刷题笔记7:Circuits.Combinational Logic.Karnaugh Map to Circuit

Karnaugh Map to Circuit 3-variable 实现如下卡诺图,用sop和pos两种方式 化简: module top_module(input a,input b,input c,output out ); // sop和pos相同assign out a | b | c; endmodule4-variable 实现如下卡诺图,用sop和pos两种方…

【RabbitMQ】

一、概念 MQ(消息队列):是指在消息传送过程中保存消息的容器,用于分布式系统之间的通信 生产者:是发送消息的用户应用程序。 队列:是存储消息的缓冲区。 消费者:是接收消息的用户应用程序。 1…

前端开发在公司中的位置以及日常工作内容

导读 俗话说的好,不谋全局者不足谋一域。 上一篇文章我们介绍了计算机相关的各种不同方向,相信大家心里也有自己所喜欢的职业,那么今天我们继续讲讲在一个公司中前端开发处于什么样的地位,以及前端的一天都干些什么 普通公司的…