AFPN:用于目标检测的渐近特征金字塔网络
文章目录 摘要 1、介绍 2、相关工作 3、渐进特征金字塔网络 4、实验 5、结论 摘要 在目标检测任务中， 多尺度特征在编码具有尺度方差的 目标方面具有重要意义。 多尺度特征提取的一种常见策略是采用经 典的自上而下和自下而上的特征金字塔网络。 然而， 这些方法存在 特征信息丢失或退化的问题， 削弱了非相邻层次的融合效果。 本文 提出了一种支持非相邻层次直接交互的渐近特征金字塔网络 (AFPN)。 AF...
FasterNet 与 RT-DTER 的 碰撞，打造 Faster-DTER 目标检测网络 | 《Run, Don’t Walk: Chasing Higher FLOPS for Faster 》
论文地址：https://export.arxiv.org/pdf/2303.03667v1.pdf 为了设计快速神经网络，许多工作都集中在减少浮点运算（FLOPs）的数量上。然而，作者观察到FLOPs的这种减少不一定会带来延迟的类似程度的减少。这主要源于每秒低浮点运算（FLOPS）效率低下。并且，如此低的FLOPS主要是由于运算符的频繁内存访问，尤其是深度卷积。因此，本文提出了一种新的partial ...
PyTorch深度学习实战（21）——从零开始实现Faster R-CNN目标检测
PyTorch深度学习实战（21）——从零开始实现Faster R-CNN目标检测 0. 前言1. Fast R-CNN 目标检测模型组成1.1 锚框1.2 区域提议网络1.3 分类和回归 2. 实现 R-CNN 目标检测2.1 数据处理2.2 模型构建2.3 模型训练与测试 小结系列链接 0. 前言 Faster R-CNN 是对 R-CNN 系列算法的进一步改进，与 R-CNN 和 Fast R-C...
YOLOv7改进：遥感旋转目标检测新SOTA ， LSKblockAttention助力小目标检测 | ICCV 2023 南开大学LSKNet
行有效加权，然后在空间上将它们合并。这些核的权重是根据输入动态确定的，允许该模型自适应地使用不同的大核，并根据需要调整空间中每个目标的感受野 LSKNet | 亲测在多个数据集能够实现涨点，包括小目标检测 收录： YOLOv7高阶自研专栏介绍： http://t.csdnimg.cn/tYI0c ✨✨✨前沿最新计算机顶会复现 🚀🚀🚀YOLOv7自研创新结合，轻松搞定科研 🍉🍉🍉持续更新中，定期更新不...
PyTorch深度学习实战（20）——从零开始实现R-CNN目标检测
PyTorch深度学习实战（20）——从零开始实现R-CNN目标检测 0. 前言1. R-CNN 目标检测模型1.1 核心思想1.2 算法流程 2. 实现 R-CNN 目标检测2.1 数据集准备2.2 获取区域提议和偏移量2.3 创建训练数据2.4 构建 R-CNN 架构 3. R-CNN目标检测模型测试小结系列链接 0. 前言 R-CNN (Region-based Convolutional Neu...
YOLOv8改进策略：COC-YOLO，强势助力小目标检测 | ICIP 2023
提高小物体的检测性能；3）轻量级上采样CARAFE； COC-YOLO | 实验结果表明，我们的方法在两个数据集上优于 SOTA 方法，并实现了最佳的实时检测性能和最小的模型尺寸 💡💡💡YOLO小目标检测，独家首发创新（原创），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，带你轻松实现小目标检测涨点 💡💡💡重点：通过本专栏的阅读，后续你可以结合自己的小...
Transformer在小目标检测上的应用
Transformer在小目标检测上的应用 目录 1 小目标检测介绍 2 引入transformer 3 用于小目标检测的Transformer 4 基于Transformer的端到端目标检测算法 4.1 DETR（ECCV2020） 4.2 Pix2seq（谷歌Hinton） 4.3 稀疏注意力Deformable DETR（ICLR 2021） 1 小目标检测介绍 小目标检测(Sma...
整理了197个经典SOTA模型，涵盖图像分类、目标检测、推荐系统等13个方向
今天来帮大家回顾一下计算机视觉、自然语言处理等热门研究领域的197个经典SOTA模型，涵盖了图像分类、图像生成、文本分类、强化学习、目标检测、推荐系统、语音识别等13个细分方向。建议大家收藏了慢慢看，下一篇顶会的idea这就来了~ 由于整理的SOTA模型有点多，这里只做简单分享，全部论文以及项目源码看文末 一、图像分类SOTA模型（15个） 1.模型：AlexNet 论文题目：Imagenet Class...
YOLOv8血细胞检测（15）：微小目标检测的上下文增强和特征细化网络ContextAggregation
💡💡💡本文独家改进：微小目标检测的上下文增强和特征细化网络ContextAggregation，引入到YOLOv8提升检测精度 ContextAggregation | 亲测在血细胞检测项目中涨点，map@0.5 从原始0.895提升至0.907 收录专栏： 💡💡💡YOLO医学影像检测：http://t.csdnimg.cn/N4zBP ✨✨✨实战医学影像检测项目，通过创新点验证涨点可行性； ✨✨✨...
目标检测数据集：工业端面小目标缺陷计数数据集
✨✨✨✨✨✨目标检测数据集✨✨✨✨✨✨ 本专栏提供各种场景的数据集，主要聚焦：工业缺陷检测数据集、小目标数据集、遥感数据集、红外小目标数据集，该专栏的数据集会在多个专栏进行验证，在多个数据集进行验证mAP涨点明显，尤其是小目标、遮挡物精度提升明显的数据集会在该专栏进行数据集上传。数据集开箱即用，已转换成适合yolo训练的格式供直接使用。 🏆🏆🏆Yolov8魔术师：http://t.csdn.cn/XQkz...