爆改YOLOv8|使用RCS-OSA替换C2f暴力涨点

最新推荐文章于 2025-03-23 21:04:04 发布

不想敲代码！！！

最新推荐文章于 2025-03-23 21:04:04 发布

阅读量1k

点赞数 8

分类专栏：爆改yolov8，即插即用文章标签： YOLO yolov8 目标检测 python pytorch 人工智能

本文链接：https://blog.youkuaiyun.com/weixin_43986124/article/details/141525574

版权

1，本文介绍

本文将通过RCS-OSA改进YOLOv8：

RCS（重参数化卷积）：减少通道数以增强特征提取能力，同时在训练过程中学习深层表示，在推理时降低计算复杂度和内存消耗。
OSA（一次性聚合）：增加特征多样性，提高对不同尺度目标的检测性能，并优化计算效率。

该方法在YOLOv8中实现了这些机制，并提供了代码部署指南。

关于RCS-OSA的详细介绍可以看论文：https://arxiv.org/ftp/arxiv/papers/2307/2307.16412.pdf

本文将讲解如何将RCS-OSA融合进yolov8

话不多说，上代码！

2，将RCS-OSA融合进yolov8

2.1 步骤一

找到如下的目录'ultralytics/nn/modules'，然后在这个目录下创建一个RCSOSA.py文件，文件名字可以根据你自己的习惯起，然后将RCS-OSA的核心代码复制进去


import torch.nn as nn
import torch
import torch.nn.functional as F
import numpy as np
import math
 
# build RepVGG block
# -----------------------------
def conv_bn(in_channels, out_channels, kernel_size, stride, padding, groups=1):
    result = nn.Sequential()
    result.add_module('conv', nn.Conv2d(in_channels=in_channels, out_channels=out_channels,
                                        kernel_size=kernel_size, stride=stride, padding=padding, groups=groups,
                                        bias=False))
    result.add_module('bn', nn.BatchNorm2d(num_features=out_channels))
 
    return result
 
class SEBlock(nn.Module):
    def __init__(self, input_channels):
        super(SEBlock, self).__init__()
        internal_neurons = input_channels // 8
        self.down = nn.Conv2d(in_channels=input_channels, out_channels=internal_neurons, kernel_size=1, stride=1,
                              bias=True)
        self.up = nn.Conv2d(in_channels=internal_neurons, out_channels=input_channels, kernel_size=1, stride=1,
                            bias=True)
        self.input_channels = input_channels
 
    def forward(self, inputs):
        x = F.avg_pool2d(inputs, kernel_size=inputs.size(3))
        x = self.down(x)