YOLOv5改进 | Conv篇 | 添加SCConv空间和通道重构卷积（精细化检测，又轻量又提点）

已于 2024-03-18 10:00:28 修改
阅读量2.6k 收藏 22
点赞数 23
CC 4.0 BY-SA版权
分类专栏： YOLOv5改进有效专栏 文章标签： YOLO 人工智能 计算机视觉 python pytorch 深度学习 目标检测
于 2024-01-06 22:36:52 首次发布
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/java1314777/article/details/135300860
本文介绍了SCConv，一种用于YOLOv5的目标检测模型的优化方法，旨在减少空间和通道冗余，提高精度和效率。SCConv包含空间重构单元(SRU)和通道重构单元(CRU)，通过组归一化、特征分离与重构等步骤，实现了精细化的特征提取。实验证明，SCConv能在保持轻量化的同时提升mAP，特别适合小目标检测。文章详细讲解了SCConv的网络结构、核心代码以及添加到YOLOv5的步骤，并提供了训练截图和推荐的yaml配置文件。

 一、本文介绍

本文给大家带来的改进内容是SCConv，即空间和通道重构卷积，是一种发布于2023.9月份的一个新的改进机制。它的核心创新在于能够同时处理图像的空间（形状、结构）和通道（色彩、深度）信息，这样的处理方式使得SCConv在分析图像时更加精细和高效。这种技术不仅适用于复杂场景的图像处理，还能在普通的对象检测任务中提供更高的精确度(亲测在小目标检测和正常的物体检测中都有效提点)。SCConv的这种能力，特别是在处理大量数据和复杂图像时的优势。本文通过先介绍SCConv的基本网络结构和原理当大家对该卷积有一个大概的了解，然后教大家如何将该卷积添加到自己的网络结构中(值得一提的是该卷积的GFLOPs降低了0.3左右适合轻量化的读者) 。

44308abda9734a91ad908faca9a7fd5a.png

适用检测目标：所有的目标检测均有一定的提点

推荐指数：⭐⭐⭐⭐⭐

专栏回顾：YOLOv5改进专栏——持续复现各种顶会内容——内含100+创新

因为资源有限我发的文章都要做对比实验所以本次实验我只用了一百张图片检测的是火灾训练了一百个epoch，该结果只能展示出该机制有效，但是并不能产生决定性结果，因为具体的效果还要看你的数据集和实验环境所影响(这次找的数据集质量好像不太好效果波动很大)。  

大家可以看出mAP(50)提高了大概0.6左右(值得一提的是该卷积的GFLOPs降低了0.3左右适合轻量化的读者) 

目录

 一、本文介绍

 二、网络结构讲解

2.1 SCConv的主要思想

2.2 空间重构单元（SRU）

2.3 通道重构单元（CRU）

三、SCConv的核心代码

四、手把手教你添加ScConv

4.1 ScConv 添加步骤

4.1.1 修改一

4.1.2 修改二

4.1.3 修改三 

4.1.4 修改四

4.2 ScConv的yaml文件和训练截图

4.2.1  ScConv的yaml版本一(推荐)

4.2.2 ScConv的yaml版本二

4.3 推荐ScConv可添加的位置 

4.4 ScConv的训练过程截图 

五、本文总结

 二、网络结构讲解

51a53656d50a4c3d8715d8357595201d.png

论文地址：官方论文地址

代码地址：官方代码地址

了解本专栏 订阅专栏 解锁全文
YOLOv5算法进阶改进（5）— 主干网络中引入SCConv | 即插即用的空间和通道维度重构卷积
小哥谈
11-28 2191
SCConv是一种用于减少特征冗余的卷积神经网络模块，相对于其他流行的SOTA方法，SCConv可以以更低的计算成本获得更高的准确率。这种模块的设计可以提高卷积神经网络的性能。🌈
《YOLO26科研优化：SCConv重构空间与通道，让检测又精细又轻量》
最新发布
LXY_LOVE36的博客
11-17 23
在目录下，新建AddModules文件夹，将sc_conv.py放入其中。
学习记录——SCConv、DSConv
Chaoy6565的博客
07-24 2896
GAB。
【论文阅读】SCNet（CVPR2020）
络小绎
02-18 6874
论文题目：Improving Convolutional Networks with Self-Calibrated Convolutions 论文地址：https://link.zhihu.com/?target=http%3A//mftp.mmcheng.net/Papers/20cvprSCNet.pdf 代码地址：https://github.com/MCG-NKU/SCNet 文章贡献： 设计了一个即插即用的自校准卷积模块来替代普通的卷积块，称为SC模块（Self-Calibrate.
Yolov5/Yolov7 引入CVPR2023 SCConv：空间和通道重建卷积，即插即用，助力检测
①答疑群聊服务；②YOLO大模型知识问答系统；③计算机视觉论文生成智能体；
07-27 2532
SCConv 嵌入式模型能够实现更好的效果通过减少冗余特征来显着降低复杂性和计算成本来提高性能
改进YOLOv5，结合针对特征冗余的空间和通道重构卷积SCCOnv:，有效降低计算量和提升精度
qq_44224801的博客
07-24 2366
本节的主要思想是介绍一种称为SCConv(空间和通道重建卷积)的高效卷积模块，旨在减少卷积神经网络(cnn)中的冗余计算并促进特征学习。论文中的作者提出了一种名为SCConv（Spatial and Channel Reconstruction Convolution）的模块，旨在减少计算成本和模型存储，并提高卷积神经网络（CNN）模型的性能。如此一来，CRU减少了特征图中的通道冗余，提高了特征学习的效率。作者进行了广泛的实验证明，在图像分类和物体检测任务上，嵌入SCConv的模型的优越性。
YOLOv8改进 | Conv篇 | 添加SCConv空间和通道重构卷积（精细化检测，又轻量又提点）
Snu77的博客
12-01 1万+
本文给大家带来的改进内容是SCConv，即空间和通道重构卷积，是一种发布于2023.9月份的一个新的改进机制。它的核心创新在于能够同时处理图像的空间（形状、结构）和通道（色彩、深度）信息，这样的处理方式使得SCConv在分析图像时更加精细和高效。这种技术不仅适用于复杂场景的图像处理，还能在普通的对象检测任务中提供更高的精确度(亲测在小目标检测和正常的物体检测中都有效提点)。SCConv的这种能力，特别是在处理大量数据和复杂图像时的优势。本文通过先介绍SCConv的基本网络结构和原理当大家对该卷积有一个大概的
YOLOv10改进 | Conv篇 | 添加SCConv空间和通道重构卷积（精细化检测，又轻量又提点）
Snu77的博客
07-11 1723
本文给大家带来的改进内容是SCConv，即空间和通道重构卷积，是一种发布于2023.9月份的一个新的改进机制。它的核心创新在于能够同时处理图像的空间（形状、结构）和通道色彩、深度）信息，这样的处理方式使得SCConv在分析图像时更加精细和高效。这种技术不仅适用于复杂场景的图像处理，还能在普通的对象检测任务中提供更高的精确度(亲测在小目标检测和正常的物体检测中都有效提点)。SCConv的这种能力，特别是在处理大量数据和复杂图像时的优势。
YOLOv11改进 | Conv篇 | 添加SCConv空间和通道重构卷积二次创新C3k2（辅助yolov11进行特征提取）
Snu77的博客
10-16 3331
本文给大家带来的改进内容是SCConv，即空间和通道重构卷积，是一种发布于2023.9月份的一个新的改进机制。它的核心创新在于能够同时处理图像的空间（形状、结构）和通道色彩、深度）信息，这样的处理方式使得SCConv在分析图像时更加精细和高效。这种技术不仅适用于复杂场景的图像处理，还能在普通的对象检测任务中提供更高的精确度(亲测在小目标检测和正常的物体检测中都有效提点)。SCConv的这种能力，特别是在处理大量数据和复杂图像时的优势。
yolov8改进|引入ScConv，轻量化网络
weixin_44379985的博客
09-18 728
利用特征之间的空间和通道冗余进行 CNN 压缩，并提出了一种高效的卷积模块，称为 SCConv（空间和通道重建卷积），以减少冗余计算并促进代表性特征学习。SCConv 是一种即插即用的架构单元，可用于直接替换各种卷积神经网络中的标准卷积。实验结果表明，SCConv 嵌入式模型能够通过减少冗余特征来实现更好的性能，从而显著降低复杂性和计算成本。
YOLOv5改进：CVPR 2023 | SCConv: 即插即用的空间和通道重建卷积
2201_76125261的博客
10-04 637
1.该文章属于YOLOV5/YOLOV7/YOLOV8改进专栏，包含大量的改进方式，主要以2023年的最新文章和2022年的文章提出改进方式。2.提供更加详细的改进方法，如将注意力机制添加到网络的不同位置，便于做实验，也可以当做论文的创新点。2.涨点效果：添加 SCConv，经过测试，有效涨点。卷积神经网络(cnn)在各种计算机视觉任务中取得了显著的性能，但这是以巨大的计算资源为代价的，部分原因是卷积层提取冗余特征。最近的作品要么压缩训练有素的大型模型，要么探索设计良好的轻量级模型。
SCConv-开源
07-01
SCConv 是一个货币转换器，它根据数据库资源 35 或 140 在货币之间进行转换。 课程也可以自行调整。 转换的结果可以适应现金课程。
突破创新：YOLOv5/v7引领目标检测潮流，ScConv：空间通道重组卷积详解
一直在水些技术小文
11-10 532
YOLOv5/v7是一种端到端的目标检测框架，以其快速的推理速度和卓越的性能而闻名。它的核心思想是将目标检测问题视为回归问题，直接预测目标的边界框坐标和类别。YOLOv5/v7使用骨干网络、特征金字塔、预测头和损失函数等组件来实现目标检测任务。# 添加YOLOv5/v7的各个组件# ...# YOLOv5/v7前向传播# ...return xYOLOv5/v7的优势在于其端到端设计，高效的特征金字塔和快速的推理速度。
YOLOv10涨点改进：如何魔改注意力进行二次创新，高效替换PSA | NEU-DET为案列进行展开
①答疑群聊服务；②YOLO大模型知识问答系统；③计算机视觉论文生成智能体；
05-28 6777
在NEU-DET案列进行可行性验证，1）mAP50从0.683提升至0.698；2）mAP50从0.683提升至0.695;
YOLOv5改进系列（27）——添加SCConv注意力卷积（CVPR 2023|即插即用的高效卷积模块）
路人贾的博客
01-17 5378
YOLOv5改进系列（27）——添加SCConv注意力卷积（CVPR 2023|即插即用的高效卷积模块）
YOLOv10改进 | Conv篇 | YOLOv10引入SCConv模块
tsg6698的博客
06-13 1727
在本文中，我们尝试利用特征之间的空间和通道冗余进行 CNN 压缩，并提出一种高效的卷积模块，称为 SCConv（空间和通道重建卷积），以减少冗余计算并促进代表性特征学习。到此本文的正式分享内容就结束了，在这里给大家推荐我的YOLOv10改进有效涨点专栏，后期我会根据各种最新的前沿顶会进行论文复现，也会对一些老的改进机制进行补充，如果大家觉得本文帮助到你了，订阅本专栏，关注后续更多的更新~添加完SCConv代码后，在ultralytics/nn/Extramodule/__init__.py文件中引用。
YOLOv8改进之C2f模块融合CVPR2023 SCConv
热门推荐
qq_43649937的博客
10-28 1万+
YOLOv8
评论 7
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

打赏作者

Snu77

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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