改进YOLOv5系列：增加Swin-Transformer小目标检测头
💡统一使用 YOLOv5 代码框架，结合不同模块来构建不同的YOLO目标检测模型。🌟本项目包含大量的改进方式,降低改进难度,改进点包含【Backbone特征主干】、【Neck特征融合】、【Head检测头】、【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】、【标签分配策略】、【激活函数】等各个部分。 本篇是《增加一个Swin检测头结构🚀》的代码演示 最新...
改进YOLOv5 | Stand-Alone Self-Attention | 针对视觉任务的独立自注意力层 | 搭建纯注意力FPN+PAN结构
改进YOLOv5 | Stand-Alone Self-Attention | 搭建纯注意力Neck结构 论文地址：https://arxiv.org/abs/1906.05909 卷积是现代计算机视觉系统的一个基本构建模块。最近的方法主张超越卷积，以捕捉长距离的依赖关系。这些努力的重点是用基于内容的互动来增强卷积模型，如自我注意和非本地手段，以实现在一些视觉任务上的收益。由此产生的自然问题是，注意力是否可...
改进YOLOv5系列：首发结合最新Extended efficient Layer Aggregation Networks结构，高效的聚合网络设计，提升性能
首发改进方式, 所有文章都是原创首发改进内容🚀 降低改进难度,改进点包含最新最全的Backbone部分、Neck部分、Head部分、注意力机制部分、自注意力机制部分等完整教程🚀 💡本篇文章基于 基于 YOLOv5、YOLOX、YOLOv4 等网络结合最新Extended efficient Layer Aggregation Networks结构，高效的聚合网络设计，打造高性能、轻量级检测器 改进。代码直接运...
目标检测算法——YOLOv5结合ConvNeXt结构
，所以在优化过程中尽量保持FLOPs的稳定。 ConVNeXt 这篇文章，通过借鉴 Swin TransForm 精心构建的 tricks，卷积在图像领域反超 Transformerer。 如何结合YOLOv5，有需要且感兴趣的小伙伴关注互粉一下，一起学习！共同进步！ 关于YOLOv5的其他改进方法可关注并留言博主的CSDN...
YOLOv5、v7改进之三十三：引入GAMAttention注意力机制
同的改进方法。此后的系列文章，将重点对YOLOv7的如何改进进行详细的介绍，目的是为了给那些搞科研的同学需要创新点或者搞工程项目的朋友需要达到更好的效果提供自己的微薄帮助和参考。由于出到YOLOv7，YOLOv5算法2020年至今已经涌现出大量改进论文，这个不论对于搞科研的同学或者已经工作的朋友来说，研究的价值和新颖度都不太够了，为与时俱进，以后改进算法以YOLOv7为基础，此前YOLOv5改进方法在YOLO...
利用yolov5进行目标检测，并将检测到的目标裁剪出来
利用yolov5进行目标检测，并将检测到的目标裁剪出来 写在前面：关于yolov5的调试运行在这里不做过多赘述，有关yolov5的调试运行请看：https://www.bilibili.com/video/BV1tf4y1t7ru/spm_id_from=333.999.0.0&vd_source=043dc71f3eaf6a0ccb6dada9dbd8be37 本文章主要讲解的是裁剪。 需求：识别图片中的...
YOLOv5、v7改进之二十八：ICLR 2022涨点神器——即插即用的动态卷积ODConv
前 言：作为当前先进的深度学习目标检测算法YOLOv5、v7系列算法，已经集合了大量的trick，但是在处理一些复杂背景问题的时候，还是容易出现错漏检的问题。此后的系列文章，将重点对YOLO系列算法的如何改进进行详细的介绍，目的是为了给那些搞科研的同学需要创新点或者搞工程项目的朋友需要达到更好的效果提供自己的微薄帮助和参考。 解决问题：ICLR2022前段时间已经放榜，涌现了大量优秀的工作。动态卷积的工作：O...
YOLOv5、v7改进之二十七：解决小目标问题——校正卷积取代特征提取网络中的常规卷积
前 言：作为当前先进的深度学习目标检测算法YOLOv5、v7系列算法，已经集合了大量的trick，但是在处理一些复杂背景问题的时候，还是容易出现错漏检的问题。此后的系列文章，将重点对YOLO系列算法的如何改进进行详细的介绍，目的是为了给那些搞科研的同学需要创新点或者搞工程项目的朋友需要达到更好的效果提供自己的微薄帮助和参考。 需要更多程序资料以及答疑欢迎大家关注——微信公众号：人工智能AI算法工程师 解决问题...