YOLO11涨点优化：注意力改进 | 上下文锚点注意力（CAA） | CVPR2024 PKINet 遥感图像目标检测

已于 2024-10-11 20:33:45 修改
阅读量467 收藏 1
点赞数
分类专栏： YOLO11魔术师 文章标签： 目标检测 人工智能 计算机视觉 华为 目标跟踪 网络
于 2024-10-11 10:33:49 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/m0_63774211/article/details/142847260
版权

💡💡💡本文独家改进：引入了CAA模块来捕捉长距离的上下文信息，利用全局平均池化和1D条形卷积来增强中心区域的特征，从而提升检测精度，CAA和C3k2进行结合实现二次创新，改进思路来自CVPR2024 PKINet，2024年前沿最新改进，抢先使用

  💡💡💡小目标数据集，涨点近两个点，强烈推荐

改进结构图如下：

 《YOLOv11魔术师专栏》将从以下各个方向进行创新：

了解本专栏 订阅专栏 解锁全文
YOLO11涨点优化：block优化 | LSKblockAttention助力旋转目标检测，南开大学提出LSKNet：遥感旋转目标检测新SOTA
10-10 499
如何与YOLO11结合，LSKblockAttention与11Detect高效结合，提升旋转目标检测精度
YOLOV5 改进（增加注意力SE模块）：大型行人图像目标检测数据集
03-17
项目包含：基于YOLOV5 对大型人图像目标检测数据集的目标检测实战项目，包含代码、数据集、训练好的权重参数，经测试，代码可以直接使用 【项目对YOLOV5代码进行改进，增添了注意力机制SE模块，更多的yolov5改进，...
目标检测算法——YOLOv5/YOLOv7改进之结合NAMAttention（提升涨点）
加勒比海带66——【YOLO魔法搭配&论文投稿咨询】
10-31 9344
论文题目：NAM: Normalization-based Attention Module作者提出了一种基于归一化的注意力模块（NAMAttention），可以降低不太显著的特征的权重，这种方式在注意力模块上应用了稀疏的权重惩罚，这使得这些权重在计算上更加高效，同时能够保持同样的性能。在ResNet和MobileNet上和其他的注意力方式进行了对比，该方法可以达到更高的准确率。
Yolov8大幅涨点！Yolov8+GEM注意力机制
第欧根尼的酒桶的博客
01-18 2503
相较原版YOLOv8s模型，我们添加了全局注意力机制，即可以通过保留空间和通道信息之间的关联来提高模型的性能。将输入特征映射通过通道注意力子模块和空间注意力子模块形成GAM的输出特征。
Yolov8小目标检测（13）：LSKblockAttention助力小目标检测 | ICCV 2023 南开大学LSKNet
08-29 1495
LSKblockAttention | 亲测在红外弱小目标检测涨点，map@0.5 从0.755提升至0.775
YOLOv7改进：遥感旋转目标检测新SOTA ， LSKblockAttention助力小目标检测 | ICCV 2023 南开大学LSKNet
10-10 790
Large Selective Kernel Network (LSKNet)通过一个空间选择机制来实现的，该机制对一连串的大 depth-wise 卷积核所处理的特征进行有效加权，然后在空间上将它们合并。这些核的权重是根据输入动态确定的，允许该模型自适应地使用不同的大核，并根据需要调整空间中每个目标的感受野
YOLOv8独家改进：KAN系列 | 「一夜干掉MLP」的KAN ，全新神经网络架构一夜爆火
05-24 2473
KAN 在边上具有激活函数，而 MLP 在节点上具有激活函数。KAN 似乎比 MLP 的参数效率更高
YOLOv12：以注意力为中心的实时目标检测器.pdf
最新发布
02-22
注意力机制虽然在模型建模能力上表现优越，但其在速度上的低效性一直限制了其在实时目标检测领域的应用。传统的YOLO架构虽然在实时检测领域占主导地位，但主要集中在改进损失函数和标签分配等方面，网络架构设计依旧...
yolo最新论文：一种基于注意力机制的YOLO缺陷检测算法-于龙振
06-21
YOLO（You Only Look Once）是一种著名的实时目标检测系统，由Joseph Redmon等人在2016年首次提出。YOLOv3是其发展的一个重要版本，它在速度与精度之间取得了良好的平衡。然而，针对特定场景，如零部件制造的质量...
YOLO 目标检测图像数据集：遥感卫星下的湖泊检测
08-15
YOLO 目标检测图像数据集：遥感卫星下的湖泊检测【包含训练集、验证集、对应标签、class文件】 数据集被处理成yolo格式，可以用于YOLO所有系列的网络训练。show脚本可以用于可视化数据，即将box目标绘制在图像上 ...
基于全局注意力的改进YOLOv7-AC的水下场景目标检测系统.zip
02-06
本文将深入探讨基于全局注意力的改进YOLOv7-AC（Attentional Collaborative YOLOv7-Advanced with Global Attention）的水下场景目标检测系统。 YOLO（You Only Look Once）系列模型以其实时性能和高精度在目标检测...
（内含即插即用代码）选择性注意力LSK 模块，可用于改进YOLO系列的目标检测算法
weixin_57111012的博客
11-16 1731
在这里我们注意到，代码中是有LSKblock这个类和Attention这个类，无论哪一个，它的核心都是LSK的模块，无非是Attention加了一个残差结构。他们都是即插即用的模块，只需要一个形参，也就是输入通道数即可使用。这一注意力可以有效用于遥感目标检测算法的改进，废话不多说，直接上代码;最后的结果如下，输入特征的尺寸并未改变。
Yolov 引入ICCV: 南开大学提出 LSKNet：遥感旋转目标检测新的技术突破
ZuoProgramming的博客
09-21 599
近期，南开大学在计算机视觉领域提出了一种名为 LSKNet 的新型遥感旋转目标检测方法，该方法引入了 Yolov 引入ICCV，并通过LSKblockAttention技术实现了对小目标的有效检测。LSKNet的出现为遥感图像目标检测领域带来了新的技术突破。LSKNet的出现为遥感图像目标检测领域带来了新的技术突破，为实际应用提供了更准确、高效的解决方案。未来，随着深度学习和计算机视觉领域的不断发展，我们可以期待更多基于类似思想和方法的创新，进一步推动目标检测技术的发展，提升遥感图像分析的能力。
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
05-28 5759
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;
全网首发YOLOv5/YOLOv7暴力涨点：Gold-YOLO，遥遥领先，超越所有YOLO | 华为诺亚NeurIPS23
09-25 3389
Gold-YOLO，遥遥领先，超越所有YOLO，替换yolov5 head部分实现暴力涨点
YOLO小目标检测,更新不同数据集涨点情况
datayx的文章
10-09 2275
向AI转型的程序员都关注公众号机器学习AI算法工程通过本文的阅读，后续你可以结合自己的小目标检测数据集，在网络不同位置（Backbone、head、detect、loss等）进行魔改，实现小目标涨点和创新！！！1.小目标检测介绍1.1 小目标定义1）以物体检测领域的通用数据集COCO物体定义为例，小目标是指小于32×32个像素点（中物体是指32*32-96*96，大物体是指大于96*96）；2）...
YOLOv7改进之二十二：涨点神器——引入递归门控卷积（gnConv）
热门推荐
m0_70388905的博客
08-03 2万+
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，引入自然语言处理领域的框架Transformer来形成CNN+Transformer架构，充分两者的优点，提高目标检测效果，本人经过实验，对小目标以及密集预测任务会有一定的提升效果。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，但是还是有提高和改进的空间，针对具体应用场景下的检测难点，可以不同的改进方法。最后，希望能互粉一下，做个朋友，一起学习交流。平台回复不及时欢迎添加。..
YOLOv8 | 注意力机制 | ShuffleAttention注意力机制 提升检测精度
kay_545
03-09 1379
⭐欢迎大家订阅我的专栏一起学习⭐。
Yolov8 引入ICCV 2023 | 南开大学提出LSKNet：遥感旋转目标检测新SOTA | LSKblockAttention助力小目标检测
07-27 2801
LSKNet在遥感旋转目标检测取得重大突破，本文引入LSKblockAttention，用于优化yolov8，对于小目标也能够涨点| LSKblockAttention助力小目标检测
评论
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

AI小怪兽

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