- 博客(2)
- 收藏
- 关注
RSS订阅原创 YOLO-v8在seg分割中添加BiFPN模型，提升置信度，平均精度mAP，注意是分割seg模型，识别detect模型同道理
BiFPN的引入允许信息在不同分辨率级别之间双向传播，从而更好地融合多尺度信息。这有助于模型更全面地理解不同大小的目标，提高了对多尺度物体的检测性能。同时，它还改进了对物体的上下文理解，有助于减少误报或漏报。yolov8引入BiFPN可以提高小目标检测准确性~
2024-08-12 14:57:16
698
原创 YOLO-v8在seg分割中增加EMA模型，提升置信度，平均精度mAP，注意是分割seg模型，识别detect模型同道理更简单，可以参考其它博文
yolov8改进之EMA注意力机制:本文提出了一种新的高效多尺度注意力（EMA）模块。EMA侧重于保留每个通道的信息并减少计算开销，将通道维度分为多个子特征，并使空间语义特征在每个特征组内均匀分布。具体来说，除了对全局信息进行编码以重新校准每个并行分支中的信道权重外，两个并行分支的输出特征还通过跨维交互方法进一步聚合。对常用基准的广泛实验，如用于图像分类的CIFAR100，以及在MS COCO和VisDrone2019数据集上的对象检测，表明EMA在不改变网络深度的情况下显著优于最近的几种注意力机制。
2024-08-12 13:58:07
605
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人