heromps的博客

我们知道通过可以暂且忽略掉模型和参数文件中不匹配的参数，先将正常匹配的参数从文件中载入模型。一开始感觉很奇怪，我已经写明strict=False了，不匹配参数的不管就是了，为什么还要给我报错。

本人使用的是YOLOv5-7.0，YOLOv8的最新版本。

ACmix探讨了卷积和自注意力这两种强大技术之间的关系，并将两者整合在一起，同时享有双份好处，并显著降低计算开销，可助力现有主干涨点，如Swin、ResNet等。卷积和自注意力是表示学习的两种强大技术，它们通常被认为是两种彼此不同的同行方法。在本文中，我们表明它们之间存在很强的潜在关系，从某种意义上说，这两种范式的大量计算实际上是通过相同的操作完成的。具体来说，我们首先证明内核大小为 k × k 的传统卷积可以分解为k2个单独的 1 × 1 卷积，然后进行移位和求和操作。

作为当前先进的深度学习目标检测算法YOLOv5，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。而YOLOv5小目标检测效果不好的一个原因是因为小目标样本的尺寸较小，而yolov5的下采样倍数比较大，较深的特征图很难学习到小目标的特征信息，因此提出增加小目标检测层对较浅特征图与深特征图拼接后进行检测。通过加入小目标检测层，可以让网络关注小目标的检测，提高检测效果。

YOLOv5主干特征提取网络为CNN网络，CNN具有平移不变性和局部性，缺乏全局建模长距离建模的能力，引入自然语言领域的Transformer可以形成CNN+TransFormer架构，充分结合两者的优点，提高目标检测效果。

Decoupled Head是由YOLOX提出的用来替代YOLO Head，可以用来提升目标检测的精度。那么为什么解耦头可以提升检测效果呢？

BiFPN是目标检测中神经网络架构设计的选择之一，为了优化目标检测性能而提出。主要用来进行多尺度特征融合，对神经网络性能进行优化。