YOLOv5改进系列：DAMO-YOLO新型主干网络CReToNeXt结构助力涨点

DAMO-YOLO优化：CReToNeXt主干网络与实时检测提升
最新推荐文章于 2025-08-17 23:56:59 发布
最新推荐文章于 2025-08-17 23:56:59 发布
阅读量327 收藏
点赞数 1
CC 4.0 BY-SA版权
分类专栏： YOLOv5改进涨点专栏 文章标签： YOLO
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/ZzzzzKnight/article/details/137044384
本文介绍了DAMO-YOLO在YOLO系列中的改进，包括采用MAE-NAS搜索优化网络结构，使用RepGFPN增强特征融合，应用ZeroHead节省计算资源，提出AlignedOTA解决错位问题，并通过知识蒸馏提升小模型性能。详细阐述了代码部署过程，如在models目录中的修改和yaml文件配置。

一、论文理论

论文地址：DAMO-YOLO : A Report on Real-Time Object Detection Design

1.理论思想

2.创新点

使用了MAE-NAS作为骨干网络,可以自动搜索出不同延迟预算下的优化网络结构。

提出了高效的RepGFPN作为颈部,可以更好地融合不同尺度的语义和空间特征。

使用了ZeroHead,只保留每个损失函数对应的一个任务投影层,可以最大限度地节省计算开销。

提出了AlignedOTA标签分配方法,可以平衡分类和回归的重要性,部分解决目标检测中的错位问题。

引入了知识蒸馏技术,可以进一步提升小模型的性能

了解本专栏 订阅专栏 解锁全文
芒果YOLOv8改进23：主干Backbone篇DAMOYOLO结构：最新改进提出 CReToNeXt 结构，基于阿里达摩院出品的DAMOYOLO核心网络模型进行改进，打造高性能检测器
包括YOLOv5、YOLOv7、YOLOv8等模型改进
06-07 2313
YOLOv8改进代码｜结合DAMOYOLO
DAMO-YOLO
Littro Innovations
05-23 605
在技术分析上，DAMO-YOLO的核心是对原YOLOv4进行了一系列优化，包括模型结构的调整和训练策略的更新。具体来说，DAMO-YOLO引入了一系列新技术，如基于NAS搜索的新检测backbone结构，更深的neck结构，精简的head结构，以及引入蒸馏技术实现效果的进一步提升。它构建了不同尺寸的模型以满足不同场景需求，如DAMO-YOLO-Tiny/Small/Medium等，这些模型在T4GPU上分别取得了43.06/46.8/50.0的mAP指标，同时推理速度也相应提升。
阿里达摩院开源DAMO-YOLO：兼顾速度与精度的新目标检测框架
weixin_40920183的博客
11-29 1504
作者丨陈威华 阿里达摩院智能计算实验室编辑丨极市平台1.简介DAMO-YOLO是一个兼顾速度与精度的目标检测框架，其效果超越了目前的一众YOLO系列方法，在实现SOTA的同时，保持了很高的推理速度。DAMO-YOLO是在YOLO框架基础上引入了一系列新技术，对整个检测框架进行了大幅的修改。具体包括：基于NAS搜索的新检测backbone结构，更深的neck结构，精简的head结构，以及引入蒸馏技术...
【论文精读】DAMO-YOLO：兼顾速度与精度的高效目标检测框架（ A Report on Real-Time Object Detection Design）
慕溪同学的博客
03-28 5891
DAMO-YOLO是阿里巴巴达摩院在2022年提出的一种模型，这里建议大家可以直接看4.3部分的特征网络融合部分，该网络是在GFPN特征网络上进行改进的，因为GFPN有很多上采样操作并且并行化比较低，导致了Flops高效Latency低效；因为我使用该方法去替换了yolov5中Neck部分的PANet融合方法，确实有所涨点
Talk预告 | 阿里巴巴达摩院算法工程师许贤哲：DAMO-YOLO：兼顾速度与精度的高效目标检测框架
TechBeat人工智能社区博客
12-14 702
北京时间12月15日(周四) 20:00，准时开播！
YOLOv8融合创新 | 基于Damo-YOLO与DyHead检测头的性能突破与优化探索【附保姆级代码】
一键难忘的博客
10-01 2832
轻量化设计：模型架构优化，减少了冗余计算，提升了推理速度。性能提升：相较于前几代YOLO模型，YOLOv8在COCO等数据集上取得了更好的性能表现。模块化设计：允许用户根据需要自定义各种特征提取模块和检测头。Damo-YOLO是阿里巴巴达摩院推出的高效目标检测模型，设计目标是平衡检测精度和速度。Damo-YOLO通过使用了新型的网络架构与特征融合策略，提升了在轻量化设备上的性能。DyHead是一种动态头部结构，主要作用于目标检测中的检测头部分。
YOLOv11改进有效涨点专栏目录 | 含卷积、主干、注意力机制、Neck、检测头、损失函数、二次创新C2PSA/C3k2等各种网络结构改进
Snu77的博客
11-05 7万+
Hello，各位读者们好.本文为最新YOLOv11有效涨点专栏目录，YOLOv11以及发布了一个月左右，这个过程中我也是给大家整理了许多的机制，其中包含了C3k2、主干（均支持根据yolov11训练的版本进行二次缩放，全系列都能轻量化）、检测头、注意力机制、Neck多种结构上创新，也有损失函数和一些细节点上的创新。
YOLOv5算法进阶改进（16）— 更换Neck网络之GFPN（源自DAMO-YOLO）
小哥谈
02-24 2109
GFPN（Global Feature Pyramid Network）是一种用于目标检测的神经网络架构，其核心思想是引入全局特征金字塔，通过多尺度的特征融合来提取更丰富的语义信息。本文所作的改进是将YOLOv5的Neck网络更换为GFPN。
YOLOv8改进有效系列目录 | 包含卷积、主干、检测头、注意力机制、Neck上百种创新机制
热门推荐
Snu77的博客
12-30 17万+
Hello，各位读者们好，本专栏自开设两个月以来已经更新改进教程120+余篇其中包含C2f、主干、检测头、注意力机制、Neck多种结构上创新，也有损失函数和一些细节点上的创新，订阅本专栏以后你不仅可以收获跟专栏的阅读权限，同时可以进Qq群，里面包含集成我所有创新的YOLO最新目录，和我本人录制的视频讲解教程，如果你想要在YOLOv8系列收获一篇论文，我相信订阅本专栏后你一定会有所收获~YOLOv8改进有效系列目录。
论文翻译DAMO-YOLO : A Report on Real-Time Object Detection Design DAMO-YOLO:实时物体检测设计报告
weixin_46211609的博客
03-31 160
近年来，研究人员开发的物体检测方法取得了巨大进展[1,9,11,23,24,27,33]。当业界追求具有实时约束的高性能物体检测方法时，研究人员专注于设计具有高效网络架构[4,16,17,29,30]和高级训练阶段[10,17,21,26,31]的单阶段检测器[1,22 - 24,26]。特别是YOLOv5/6/7[18,32,34]、YOLOX[9]和PP-YOLOE[38]在COCO上实现了显著的AP-Latency权衡，使得YOLO系列物体检测方法在业界得到广泛应用。
DAMO-YOLO训练自己的数据集，使用onnxruntime推理部署
weixin_45921929的博客
09-10 1943
DAMO-YOLO训练自己的数据集，使用onnxruntime推理部署
训练DAMO-YOLO（damoyolo_tinynasL25_S.py）
孟孟单单的博客
01-14 2477
包的位置，其实就是代码写得有点奇怪然后没有找到路径。：会出现这报错，是因为程序没有根据找到。：会出现这个错，是因为在。右侧的base.py在。下，然后运行就可以了。
阿里达摩院开源DAMO-YOLO
qq_34717531的博客
11-14 731
DAMO-YOLO是一个兼顾速度与精度的目标检测框架，其效果超越了目前的一众YOLO系列方法，在实现SOTA的同时，保持了很高的推理速度。DAMO-YOLO是在YOLO框架基础上引入了一系列新技术，对整个检测框架进行了大幅的修改。具体包括：基于NAS搜索的新检测backbone结构，更深的neck结构，精简的head结构，以及引入蒸馏技术实现效果的进一步提升。模型之外，DAMO-YOLO还提供高效的训练策略以及便捷易用的部署工具，能够快速解决工业落地中的实际问题！
DAMO-YOLO | 超越所有YOLO，5行代码即可体验
limingmin2020的博客
11-29 5362
DAMO-YOLO是阿里新推出来的目标检测框架，兼顾模型速度与精度，其效果超越了目前的一众 YOLO 系列方法，且推理速度更快。
DAMO-YOLO：一种平衡速度和准确性的新目标检测框架
weixin_42010722的博客
06-26 2747
DAMO-YOLO是一种考虑了速度和准确性的目标检测框架，其效果超越了当前的YOLO系列方法，并在保持高推理速度的同时实现了SOTA。DAMO-YOLO在YOLO框架的基础上引入了一系列新技术，并对整个检测框架进行了重要修改。具体来说，它包括基于NAS搜索的新的检测主干结构，更深的中间结构，简化的头部结构，以及引入蒸馏技术以进一步改善效果。除了模型之外，DAMO-YOLO还提供了高效的训练策略和方便易用的部署工具，帮助您快速解决工业领域的实际问题！
YOLO家族再度升级——阿里达摩院DAMO-YOLO重磅来袭
Together_CZ的博客
11-30 1800
YOLO家族再度升级——阿里达摩院DAMO-YOLO重磅来袭
DAMO-YOLO 论文学习
calvinpaean的博客
07-25 833
工业界追求高性能、低延迟的目标检测算法，研究人员于是聚焦于单阶段目标检测，探索高效的网络结构和训练策略。YOLOv5/v6/v7、YOLOX 和 PP-YOLOE 在 COCO 数据集上实现了不错的精度-速度平衡，得到广泛应用，但它们仍有提升空间。
YOLOv11创新改进 | Neck改进篇 | YOLOv11引入DAMO-YOLO中的RepGFPN改进，助力于通用型、轻量级、高效型目标检测
最新发布
Ai缝合怪、助力小伙伴高效发论文
08-17 204
DAMO-YOLO提出了一种改进的YOLOv11目标检测模型，通过引入RepGFPN模块和多项技术创新，在COCO数据集上实现了性能提升。该模型采用MAE-NAS搜索架构，构建了包含空间金字塔池化和焦点模块的类ResNet/CSP结构。关键技术改进包括：1）高效的RepGFPN颈部网络，通过可变通道维度、加速Queen-Fusion和重参数化机制优化特征融合；2）轻量级ZeroHead设计；3）AlignedOTA标签分配方法。
YOLOv8改进 | 融合改进篇 | Damo-YOLO配合Dyhead检测头突破极限涨点(全网独家创新)
走向CTO的路上...
07-19 1302
本篇介绍了一种Damo-YOLO配合Dyhead检测头的融合改进方法，可以显著提升YOLOv8模型在目标检测任务上的精度。本篇介绍了一种Damo-YOLO配合Dyhead的融合改进方法，该方法可以显著提升YOLOv8模型在目标检测任务上的精度。
yolov7添加damo-yolo GFPN
08-28
3. 在YOLOv7的模型定义文件中（通常是yolov7.py），将Damo-YOLO GFPN的网络结构部分添加到YOLOv7模型中。确保将相应的层和连接正确添加。 4. 加载Damo-YOLO GFPN的权重文件，以便在YOLOv7模型中使用。 5. 进行训练和...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值