YOLOv8改进 | Conv篇 | 将RT-DETR模型AIFI模块和Conv模块结合替换SPPF（全网独家改进）

Snu77

已于 2024-03-18 10:03:48 修改

阅读量7.2k

点赞数 42

分类专栏： YOLOv8有效涨点专栏文章标签： YOLO 目标检测人工智能 python pytorch 深度学习计算机视觉

于 2023-12-06 07:00:00 首次发布

本文链接：https://blog.youkuaiyun.com/java1314777/article/details/134814909

版权

YOLOv8有效涨点专栏专栏收录该内容

该专栏为热销专栏榜第20名

180 篇文章 ¥199.90 ¥299.90

订阅专栏

本文介绍了将RT-DETR模型中的AIFI模块与YOLOv8的SPPF结合，形成一种新的改进方法。虽然直接替换SPPF在测试数据集上并未显著提高精度，但AIFI模块可以实现轻量化，并与其他RT-DETR模块配合提升效果。作者提供了AIFI模块的添加教程和代码，适合对轻量化模型感兴趣的读者。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一、本文介绍

本文给大家带来是用最新的RT-DETR模型中的AIFI模块间去替换YOLOv8中的SPPF。RT-DETR号称是打败YOLO的检测模型，其作为一种基于Transformer的检测方法，相较于传统的基于卷积的检测方法，提供了更为全面和深入的特征理解，将RT-DETR中的一些先进模块融入到YOLOv8往往能够达到一些特殊的效果（我个人猜测，所以我进行了一些实验来验证这一点），我将RT-DETR的AIFI模块和Conv模块融合在一起添加到了YOLOv8中。亲测这一改进并不一定能够提高精度我用了三个数据集来试(没有涨点就是没有涨点，我不能够没有涨点还去告诉你涨点这样也耽误大家的时间)，但为啥要发出来这个AIFI首先其能够达到轻量化模型的作用的，其次其能够和RT-DETR模型的其他模块融合可以达到好的效果。所以发出来想要给的是轻量化读者来使用的，因为发论文并不一定要提高精度轻量化模型也是一个方向。