qq_42322398-优快云博客

原创【YOLOv8创新升级3】：ECA注意力机制与YOLOv8相结合（代码实现）

主要理念ECANet的主要理念是在卷积操作中引入通道注意力机制，以增强特征表达能力。通过通道注意力机制，网络能够动态地调整每个通道的重要性，使其聚焦于关键特征并抑制无关信息。这样，ECANet在提升性能的同时，避免了额外的计算负担和参数增长。通道注意力模块通道注意力模块是ECANet的核心，其作用是根据不同通道间的关系，自动调整每个通道的权重。该模块首先对输入的特征图进行全局平均池化，再通过一系列全连接层计算出注意力权重，最后将这些权重应用到每个通道上，实现加权整合。

2024-11-07 10:12:58 898

原创【YOLOv8创新升级2】：RepVGG模型结构与YOLOv8相结合（代码实现）

在这里插入图片描述](https://i-blog.csdnimg.cn/direct/21fc90047e2d4163a1ce0441f64f1215.png。[在这里插入图片描述](https://i-blog.csdnimg.cn/direct/8d966a5520574126bbe90d62afce1815.png。ultralytics/nn/ 目录下的 tasks.py 文件，找到 parse_model 函数添加以下代码。

2024-11-06 15:45:50 980

原创【YOLOv8创新升级1】：特征金字塔网络 BiFPN与YOLOv8相结合（代码实现）

Bi-directional Feature Pyramid Network（BIFPN）是一种用于多尺度目标检测的高效特征金字塔网络架构。BIFPN通过引入双向特征融合机制，增强了不同层次特征之间的信息交流，显著提高了网络对多尺度物体的识别能力。该架构利用底向上的路径传递高分辨率特征，同时通过顶向下的路径增强低分辨率特征，从而实现高效的信息融合。BIFPN的设计不仅提高了特征的表达能力，还减少了计算成本和模型复杂度。

2024-11-01 16:06:57 1938 2

原创 YOLOv11创新升级1：引入SPDConv提升检测性能

YOLOv11创新升级1：引入SPDConv提升检测性能文章目录YOLOv11创新升级1：引入SPDConv提升检测性能@[TOC](文章目录)前言1. SPD-Conv 的关键概念1.1 替代步长卷积与池化层1.2 空间到深度（SPD）层1.3 非步长卷积层1.4 SPD层的应用1.5 非步长卷积层的应用2. 核心代码2.1在ultralytics/nn/modules/下新建SPDConv.py，并将代码写入。2.2 在ultralytics\nn\modules\__init__.py中加入2.3

2024-10-30 14:24:16 2775 5

原创 Yolov11的TensorRT部署（C++版本）

Yolov11的TensorRT部署（C++版本）

2024-10-29 14:50:59 2336 1

原创 U2net的TensorRT部署（C++版本）

U2net TensorRt推理部署

2024-10-29 10:37:42 414

21ic下载_OPENCV的入门的PPT学习课件.rar

OpenCV（Open Source Computer Vision Library）是一个开源的计算机视觉库，它提供了很多函数，这些函数非常高效地实现了计算机视觉算法（最基本的滤波到高级的物体检测皆有涵盖）。 OpenCV 使用 C/C++ 开发，同时也提供了 Python、Java、MATLAB 等其他语言的接口。如果你不了解 C/C++，请阅读《C语言教程》和《C++教程》。 OpenCV 是跨平台的，可以在 Windows、Linux、Mac OS、Android、iOS 等操作系统上运行。 OpenCV 的应用领域非常广泛，包括图像拼接、图像降噪、产品质检、人机交互、人脸识别、动作识别、动作跟踪、无人驾驶等。 OpenCV 还提供了机器学习模块，你可以使用正态贝叶斯、K最近邻、支持向量机、决策树、随机森林、人工神经网络等机器学习算法。

2020-03-30

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

原创 【YOLOv8创新升级3】：ECA注意力机制与YOLOv8相结合 （代码实现）

原创 【YOLOv8创新升级2】：RepVGG模型结构与YOLOv8相结合 （代码实现）

原创 【YOLOv8创新升级1】：特征金字塔网络 BiFPN与YOLOv8相结合 （代码实现）