- 博客(321)
- 收藏
- 关注
RSS订阅
原创 《YOLOv8-seg改进》专栏指导书册 &手把手创新教程
学姐带你学习YOLOv8，从入门到创新，轻轻松松搞定科研；1）手把手教你如何训练YOLOv8-seg；2）模型创新，提升分割性能；3）独家自研模块助力分割；
2023-11-20 14:18:20
2545
1
原创 YOLO11改进：注意力独家魔改 | 可变形双级路由注意力（DBRA） | 2024年10月最新
作为注意力可变形双级路由注意力（DBRA）模块使用；
2025-01-10 13:21:24
98
原创 YOLO11改进：注意力魔改 | 具有切片操作的SimAM注意力，魔改SimAM
SimAM计算整张特征图的像素差平均值时加权可能会忽略小目标的重要性，同时与整体平均值相比可能和背景信息相似，导致加权增强较弱；
2025-01-10 13:17:08
61
原创 YOLO11改进：注意力魔改 | 一种新颖的高效融合注意力机制，2024年最新发表
提出了一种新颖的高效融合注意力机制，增强了模型的特征提取能力，同时减少通道和空间位置的冗余
2025-01-10 13:12:09
83
原创 YOLO11改进：注意力魔改 | 一种新的空间和通道协同注意模块(SCSA) | 2024年8月最新成果
提出了一种新的空间和通道协同注意模块(SCSA)，解决了缺乏充分利用多语义信息的协同潜力来进行特征引导和缓解语义差异的问题。
2025-01-10 13:01:16
57
原创 YOLO11改进：注意力魔改 | 蒙特卡罗注意力(MCAttn)模块，基于尺度变化的注意力网络
提出了一种新的基于尺度变化的注意力网络，用于小尺度目标检测分割。
2025-01-10 12:56:58
102
原创 YOLO11改进：backbone主干改进 | 微软新作StarNet：超强轻量级Backbone | CVPR 2024
如何跟YOLO11结合：1）直接替换backbone
2025-01-10 10:44:44
131
原创 YOLO11改进：特征融合创新 | 一种基于内容引导注意力(CGA)的混合融合， IEEE TIP 2024 浙大
提出了一种基于内容引导注意力(CGA)的混合融合方案，将编码器部分的低级特征与相应的高级特征有效融合。
2025-01-10 10:26:01
85
原创 YOLO11改进：轻量级改进 | 通用倒瓶颈（UIB）搜索块结合C3k2二次创新 | 轻量化之王MobileNetV4
通用倒瓶颈（UIB）搜索块替代YOLO11的C3k2
2025-01-10 10:17:40
43
原创 YOLO11改进：backbone主干改进| 轻量化之王MobileNetV4，秒杀Mobile系列
轻量化之王MobileNetV4，秒杀Mobile系列
2025-01-10 10:13:51
66
原创 YOLO11改进：卷积变体系列篇 |动态卷积 DynamicConv, CVPR2024 ParameterNet 低计算量小模型也能从视觉大规模预训练中获益
动态卷积引入到YOLO11，直接替换原始的Conv操作：
2025-01-10 10:09:16
69
原创 YOLO11改进：小目标涨点篇 | 维度感知选择性集成注意力模块DASI，红外小目标暴力涨点
小目标实现暴力涨点，只有几个像素的小目标识别率提升明显
2025-01-10 10:02:58
96
原创 YOLO11改进：小目标涨点系列 | 并行化注意力设计（PPA）模块，红外小目标暴力涨点
并行化 patch-aware 注意力（PPA）模块小目标涨点利器，在多个数据集下进行验证，解决微小目标具有复杂背景难识别的问题
2025-01-10 09:54:59
56
原创 YOLO11改进：block优化 | PKIBlock多尺度卷积核，助力小目标涨点 | CVPR2024 PKINet 遥感图像目标检测
PKINet利用不同大小的多个深度卷积核，优势：无需膨胀即可提取不同感受野中的多尺度纹理特征，改进思路来自CVPR2024PKINet，2024年前沿最新改进
2025-01-08 12:47:07
495
原创 YOLO11改进：IoU系列篇 | Powerful-IoU更加聚焦锚框的新型IoU，快速收敛 | 2024年最新IoU
Powerful-IoU更加聚焦锚框的新型IoU，快速收敛,一种结合了目标尺寸自适应惩罚因子和基于锚框质量的梯度调节函数的损失函数
2025-01-08 12:41:28
99
原创 YOLO11改进：block涨点系列 | RepViTBlock合适的卷积核大小和优化挤压-激励大幅提升检测精度 | CVPR2024清华RepViT
RepViTBlock通过选择合适的卷积核大小和优化挤压-激励（Squeeze-and-excitation，简称SE）层的位置，这两种方法都能显著改善YOLOv8模型性能，改进思路来自CVPR2024清华RepViT
2025-01-08 10:50:07
73
原创 YOLO11改进：上采样系列篇 | 超轻量高效率动态上采样算子DySample，效果优于CARAFE、FADE和SAPA等
一种超轻量高效动态上采样DySample， 具有更少的参数、FLOPs，效果秒杀CAFFE和 nn.Upsample
2025-01-08 10:45:05
168
原创 YOLO11改进：小目标涨点系列| 多尺度感受野特征的可扩张残差（DWR）注意力模块
一种新颖的可扩张残差（DWR）注意力模块，加强不同尺度特征提取能力
2025-01-08 09:50:09
75
原创 YOLO11改进：分层特征融合策略MSBlock | YOLO-MS ,超越YOLOv8与RTMDet，即插即用打破性能瓶颈
分层特征融合策略MSBlock,即插即用打破性能瓶颈
2025-01-08 09:46:03
70
原创 YOLO11改进：注意力涨点系列篇 | 一种轻量级的加强通道信息和空间信息提取能力的MLCA注意力
一种轻量级的加强通道信息和空间信息提取能力MLCA注意力
2025-01-08 09:40:20
26
原创 YOLO11改进：特征融合系列篇 | 多尺度特征融合iAFF，提升小目标检测能力 | 轻量级创新高效结合GhostConv
引入了一种新颖的多尺度特征融合iAFF
2025-01-08 09:35:26
81
原创 YOLO11改进：IoU系列篇 | Focaler-IoU更加聚焦的IoU损失Focaler-IoU |2024年最新发表
Focaler-IoU更加聚焦的IoU损失Focaler-IoU，能够在不同的检测任务中聚焦不同的回归样本，使用线性区间映射的方法来重构IoU损失
2025-01-08 09:29:38
235
原创 YOLO11改进：一种更高效，更快的可变形卷积（DCNv4），解决DCNv3的局限性，速度提升3倍以上 | OpenGVLab/商汤等联合提出DCNv4 ,全部任务皆SOTA
如何跟YOLO11结合：1）和C3k2创新性结合
2025-01-08 09:26:46
631
原创 YOLOv8-Seg优化策略：注意力魔改 | 可变形双级路由注意力（DBRA） | 2024年10月最新
作为注意力可变形双级路由注意力（DBRA）模块使用；
2024-12-18 10:39:26
439
原创 YOLOv8优化策略：注意力独家魔改 | 可变形双级路由注意力（DBRA） | 2024年10月最新
作为注意力可变形双级路由注意力（DBRA）模块使用；
2024-12-18 10:39:00
310
原创 YOLOv8-Seg优化策略：一种新的自适应算法轻量级通道分割和变换(ALSS)模块，解决存在严重遮挡和重叠目标时的局限性
提出了一种新的自适应算法轻量级通道分割和变换(ALSS)模块。该模块采用自适应信道分裂策略优化特征提取，并集成信道变换机制增强信道间的信息交换。这改善了模糊特征的提取，对于处理抖动引起的模糊和重叠目标至关重要。
2024-12-17 13:11:12
95
原创 YOLOv8优化策略：一种新的自适应算法轻量级通道分割和变换(ALSS)模块，解决存在严重遮挡和重叠目标时的局限性
提出了一种新的自适应算法轻量级通道分割和变换(ALSS)模块。该模块采用自适应信道分裂策略优化特征提取，并集成信道变换机制增强信道间的信息交换。这改善了模糊特征的提取，对于处理抖动引起的模糊和重叠目标至关重要。
2024-12-17 13:10:57
111
原创 YOLOv8-Seg优化策略：注意力魔改 | 具有切片操作的SimAM注意力，魔改SimAM
SimAM是一个无神经网络的特征增强模块，具有轻量级的优点，且在提升识别性能方面有潜力，基于此我们设计了新模块sws,之所以加入切片操作
2024-12-17 12:56:00
172
原创 YOLOv8-Seg优化策略：注意力魔改 | 一种新颖的高效融合注意力机制，2024年最新发表
提出了一种新颖的高效融合注意力机制，增强了模型的特征提取能力，同时减少通道和空间位置的冗余。
2024-12-17 12:39:21
63
原创 YOLOv8优化策略：注意力魔改 | 一种新颖的高效融合注意力机制，2024年最新发表
提出了一种新颖的高效融合注意力机制，增强了模型的特征提取能力，同时减少通道和空间位置的冗余。
2024-12-17 12:37:33
65
原创 YOLO11改进：注意力系列篇 | 高效的通道先验卷积注意力（CPCA） | 中科院 2023.6
高效的通道先验卷积注意力（CPCA）方法，支持注意力权重在通道和空间维度上的动态分布；
2024-11-08 13:54:58
189
1
原创 YOLO11改进：IoU系列篇 | Shape-IoU关注边界框本身的形状和尺度来计算损失 | 2023年12月最新IoU改进
提出了一种新颖的Shape-IoU，小目标检测实现涨点，更加关注边界框本身的形状和尺度来计算损失
2024-11-08 13:51:55
304
原创 YOLO11改进：轻量级Backbone改进 | UniRepLKNet，通用感知大内核卷积网络，RepLK改进版本 | 2023.11
UniRepLKNet，通用感知大内核卷积网络，ImageNet-22K预训练，精度和速度SOTA
2024-11-08 13:46:56
360
原创 YOLO11改进：block优化 | 简单高效的模块-现代反向残差移动模块 (iRMB) | ICCV2023 EMO
设计了一种面向移动端应用的简单而高效的现代反向残差移动模块 (InvertedResidualMobileBlock,iRMB)，它吸收了类似 CNN 的效率来模拟短距离依赖和类似 Transformer 的动态建模能力来学习长距离交互，引入YOLO11
2024-11-08 13:22:15
367
原创 YOLO11改进：卷积魔改 | 自适应改变核大小卷积AKConv，效果优于标准卷积核和DSConv |2023.11月最新成果
AKConv 中，通过新的坐标生成算法定义任意大小的卷积核的初始位置。 为了适应目标的变化，引入了偏移量来调整每个位置的样本形状
2024-11-07 10:10:42
139
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人