hhhhhhkkkyyy-优快云博客

原创【论文笔记】：Mamba YOLO SSMs-Based YOLO For Object Detection

该篇论文中，引入了ODSSBlock模块，将SSM结构应用于目标检测领域。与用于图像分类的VSSBlock不同，用于目标检测的图像具有更大的像素，并且由于SSM模型通常对文本序列进行建模，缺乏对图像的通道表达能力，我们提出了LSBlock对通道特征进行建模。得益于图像较大的像素和较多的通道维度，我们提出了RGBlock结构在SS2D输出后进一步解码，利用点乘的高维表达方式提高通道相关性。Mamba - YOLO是视觉识别和检测任务中的一个重要进展，旨在构建一种结合SSM和CNN优点的新型骨干网络。

2024-08-31 14:51:29 3108 3

原创【论文笔记】：PVswin-YOLOv8s：基于无人机的行人和车辆检测，使用改进的YOLOv8在智能城市中进行交通管理

PVswin-YOLOv8s采用了Swin Transformer、CBAM和Soft-NMS等多种先进技术，以提高检测性能。在网络结构方面，PVswin-YOLOv8s使用了Swin Transformer替换YOLOv8s中的最后一层C2f层，以捕捉长距离依赖关系和多样化本地信息。同时，在颈部网络中加入了CBAM模块，以增强特征信息流的提取能力同时解决漏检问题。最后，使用Soft-NMS代替NMS，以解决多个物体重叠的问题。

2024-08-14 10:14:38 2257 2

原创【小本本笔记】backbone，neck，head，anchor free/based，centerness

在目标检测任务中，backbone 提取的特征会通过 neck 进行处理和增强，然后由 head 进行最终的预测（如边界框回归和类别分类）。问题在于为推理而累积计算的均值和方差在不同Head之间摇摆，这个均值和方差是个“四不像”，然后在推断的时候，所有的共享Head都。这种方法可能导致模型在训练和推理时的复杂度较高，因为检测头的性能和特征提取网络的质量紧密相关。分类分支出来的概率，其实表征的是一种object ness的程度，但object ness的score高并不能表示他预测的bbox质量就好。

2024-08-10 12:52:37 1179

原创【小本本笔记】yolov8跑模型缓慢，内存提示不足？

Closing dataloader mosaic 是指在数据加载过程中，特别是在使用 Mosaic 数据增强时，PyTorch 的 DataLoader 组件正在关闭相关的处理程序或进程。Mosaic 数据增强是一种将多张图像拼接在一起生成新图像的技术，用于提升模型的泛化能力。close_mosaic: 禁用mosaic增强的最后第几个轮次。这是因为opencv对输入的图片像素是有限制的，图片像素过大，opencv算出来的值超过了int的最大值，就会报错。跑模型跑的慢，gpu-mem=0是什么意思。

2024-08-10 11:15:21 2499

原创【论文笔记】：YOLOv8-QSD 自动驾驶场景小目标检测算法

YOLOv8-QSD网络是一种新型的无锚点驾驶场景检测网络，建立在YOLOv8的基础上，在保证检测精度的同时保持效率。该网络的骨干网采用结构重参数化技术来转换基于多样化分支块（DBB）的模型。为了准确检测小目标，它集成了不同尺度的特征，并在骨干之后实现了基于双向特征金字塔网络（BiFPN）的特征金字塔。此外，还提出了一个动态头部(DyHead)，包含了尺度感知、空间感知和任务感知的注意力机制，以进一步优化特征提取和分类过程。为了解决驾驶场景中远程检测（商业车辆需要更大的视野）的挑战，该文引入新的。

2024-08-07 18:06:54 2224 2

原创【论文笔记】：基于改进YOLOv8s的无人机图像场景小目标检测模型

通过改进YOLOv8s算法，提高在不同条件下的小目标检测准确性。提出的并行多尺度特征提取模块（PMSE），通过压缩通道和扩展自有的模块来生成适应于不同感受野的权重，并将这些权重整合到初始特征图中以提高小目标信息的表示能力。提出的尺度补偿特征金字塔网络（SCFPN）通过逐步输入浅层特征图进入颈部，进一步提取小目标特征信息。应用了WIOU损失函数优化无人机图像中小物体的动态聚焦，提高了检测准确性和稳定性。

2024-07-28 12:27:25 4364 3

原创【论文笔记】：LAYN：用于小目标检测的轻量级多尺度注意力YOLOv8网络

骨干网的替换：将 YOLOv8 骨干网替换为GhostNet减少参数数量和模型大小。多尺度注意力模块：引入了Multi-scale Mixed Attention Mechanism（MMAM）模块，通过自适应地选择重要特征来提高检测性能，并利用Soft-NMS方法选择性地选择对小目标检测至关重要的信息，抑制非关键信息，进一步优化检测结果（有效去除重叠区域的重复框，从而提高检测精度）。思考：用自监督方式来训练模型学习特征；添加新数据只需要让模型学习新数据，无需重新训练整个模型。

2024-07-20 17:11:27 2105 1

原创【笔记一】注意力机制初了解

它计算一个序列（通常作为Query）的元素与另一个序列（通常作为Key和Value）的元素之间的注意力分数，从而关注到两个序列之间的相关性和交互。这些特征或属性可能是输入数据本身的属性（如图像中的像素值、文本中的单词嵌入等），也可能是通过某种方式（如神经网络）从输入数据中提取出来的更高级的特征。（Self-Attention）在自注意力机制中，每个输入元素与序列中的所有其他元素进行交互，以捕获序列内部的依赖关系，计算注意力权重。自注意力机制、注意力机制以及多头注意力机制之间的区别和特点。

2024-05-22 20:45:11 957 1

原创【pytorch】损失函数和反向传播，优化器

在训练循环中，loss.backward() 通常紧跟在损失计算之后，并在优化器的 step() 方法之前调用，以确保在更新模型参数之前已经计算了梯度。然后，通过优化器的 step() 方法，可以利用这些梯度来更新模型的参数，使得模型的预测结果更接近真实标签，从而降低损失。方法会遍历计算图中的每个节点，并计算其对应的梯度。这些梯度会被存储在每个节点的 grad 属性中。的作用是通过调整模型参数来最小化或最大化损失函数，也有调整学习效率，防止梯度消失和梯度爆炸的功能。

2024-05-11 21:36:11 612 1

原创【pytorch】基础网络搭建和Sequential的使用

在这个例子中，每个卷积层都使用了5x5的卷积核，padding为2，输出通道数分别为32、32、64。self.linear1 的输出维度为64，self.linear2 的输出维度为10，这对应着10个类别的输出。self.maxpool1, self.maxpool2, self.maxpool3 是三个最大池化层，每个最大池化层的窗口大小为2x2，这将图像尺寸减半，同时保留主要特征。具体来说，输入数据 x 通过卷积层和池化层后，被展平成一维向量，然后经过两个线性层得到最终的输出结果。

2024-05-11 15:15:07 370 2

原创【pytorch】非线性激活（Sigmoid、ReLU），线性层

input_data = torch.randn(3, 10) # batch_size=3, input_dim=10 分别表示的输入模型的样本数量，和输入数据的特征数量或者维度。下面的代码中，因为输入入张量中包含负值，ReLU 激活函数会将所有负值变为零，因此输出张量中的负值都被截断为零。in_features（输入特征数量）：指的是线性层接收的输入特征的数量。out_features（输出特征数量）：指的是线性层产生的输出特征的数量。x1,x2...通过不同的表达式的和组成g1,g2...

2024-05-11 12:40:05 1489 1

原创【pytorch】卷积层，最大池化的使用，滤波器，channel，不同kernel

并且，每个滤波器都会产生一个单独的输出特征图，这些输出特征图在通道维度上堆叠在一起，形成卷积层的输出。卷积核是一个小的二维数组，它在输入数据的局部区域进行滑动，并与输入数据进行卷积操作，从而提取输入数据的特征。1.在卷积神经网络（CNNs）中，每个卷积层包含多个滤波器，每个滤波器在进行卷积操作时，会提取输入特征图中的某种特征，因此。在卷积操作中，卷积核的参数是可学习的，它们会随着网络的训练过程而不断调整以优化网络性能。3.卷积核的数量通常是用户指定的，决定了卷积层输出的通道数。2.卷积核的大小通常由。

2024-05-11 10:31:13 1085 1

原创【pytorch】神经网络的基本骨架nn.Module的使用，卷积操作，常见的层类型

与一些传统的激活函数（如Sigmoid和Tanh）相比，ReLU函数在正区间的梯度始终为1，这有助于缓解梯度消失的问题，使得在深层神经网络中更容易进行梯度传播和学习。：ReLU函数的计算非常简单，只需要比较输入值与0的大小，因此计算速度较快，适用于大规模的神经网络，并且能够有效地降低训练成本。：ReLU函数是一种非线性的激活函数，将输入的加权和进行非线性变换，使得神经网络可以学习和表示复杂的非线性关系。：非线性激活函数使得神经网络可以逼近任意复杂的函数，从而增加了模型的表达能力，可以更好地拟合数据。

2024-05-10 21:20:13 1097 1

原创【pytorch】DataLoader的使用

test_data = torchvision.datasets.CIFAR10(root='./dataset',train=False,transform = torchvision.transforms.ToTensor())#测试数据集。#drop_last=Ture时，因为此时batch_size = 64不能整除最后一个不完整的batch，因此会被舍去。drop_last：如果数据集大小不能被批量大小整除，是否丢弃最后一批数据，默认为 False。batch_size：每个批次中的样本数量。

2024-05-10 18:29:26 647 1

原创【pytorch】torchvision中数据集的使用

test_set = torchvision.datasets.CIFAR10(root='./dataset',train=False,transform=dataset_transform,download=True)#测试数据集。#-----------------------------------torchvision中的数据集使用。在 PyTorch 的 torchvision 库中，提供了一些常用的数据集。# True，则加载训练集 false 测试数据集。我们可以直接导入这些数据集。

2024-05-10 18:16:51 578 1

2301_80365008的博客