在职AI算法工程师，擅长计算机视觉，YOLO目标检测、分割等，擅长web、pyqt界面可视化，好内容持续更新中，来这里跟大家一起学习，共同进步

在计算机视觉领域，目标检测技术一直是研究和应用的热点，而YOLO系列算法凭借其高效性和精确性，成为了广泛应用的选择。YOLOv10作为YOLO系列的最新版本，继承并扩展了前辈的优点，同时也带来了许多创新和改进。本专栏将手把手教你掌握YOLOv10的实战技巧，包括算法改进、环境配置和训练自己数据集等，让你能够迅速上手并应用到实际项目中。

CPA-Enhancer 是首个在目标检测任务中利用 CoT 提示的自适应增强方法，突破了 现有方法必须知道退化类型的局限。无需单独训练多个模型，可 在未知退化环境下动态调整增强策略，显著提高 YOLOv3 等目标检测器的检测性能。

扩张卷积通过在连续元素之间插入间隙来扩大感受野，广泛用于计算机视觉。作者从谱分析的角度提出了三种策略来改进扩张卷积的各个阶段。与将全局膨胀率固定为超参数的传统做法不同，我们引入了频率自适应膨胀卷积 （FADC），它根据局部频率分量在空间上动态调整膨胀率。 随后，我们设计了两个插件模块，以直接提高有效带宽和感受野大小。Adaptive Kernel （AdaKern） 模块将卷积权重分解为低频和高频分量，并按通道动态调整这些分量之间的比率。

在水下环境中，成像设备会出现水浑浊、光衰减、散射和颗粒问题，导致图像质量低、对比度差和彩色图像有偏差。这给使用传统视觉技术进行水下状态监测和检查带来了巨大挑战。近年来，水下图像增强因其在提高当前计算机视觉任务在水下目标检测和分割中的性能方面发挥着关键作用而受到越来越多的关注。由于主要从自然场景构建的现有方法在提高色彩丰富度和分布方面存在性能限制，作者提出了一种新颖的基于深度学习的方法，即 Deep Inception 和 Channel-wise Attention Modules （DICAM），以提高朦

在卷积神经网络的推动下，医学图像分类得到了迅速发展网络（CNN）。作者提出了一种三分支分层多尺度特征融合网络结构作为一种新的医学图像分类方法被称为HiFuse。它可以融合Transformer和CNN来自多尺度层次结构，不破坏各自的建模，因此从而提高各种医学图像的分类精度。一个并行的局部层次结构设计了全局特征块，有效地提取局部特征和全局表示在各种语义尺度下，具有在不同尺度下建模的灵活性和线性计算能力与图像大小相关的复杂性。此外，还提出了一种自适应分层特征融合块（HFF块）设计为综合利用在不同层次上获得的特征

手把手教你完成YOLOv10 PySide6目标检测界面搭建，使用Qt6设计YOLOv10检测系统，前台系统+后台管理系统开发实战，可用于大论文凑工作量或毕设必备，全网最详细教程

DynamicHead模块是针对目标检测任务提出的一种新的头部（head）结构，它的设计目的是通过引入多种注意力机制，提升模型的检测能力。核心思想是使得检测头部可以动态地根据输入特征进行自适应调整，从而提高模型在不同尺度、空间、任务等方面的表现。Scale-Aware Attention Module（尺度感知注意力模块）：该模块根据特征的尺度进行调整，使得不同尺度的特征能在合适的尺度下进行融合和处理。它通过为不同尺度的特征赋予权重来优化尺度差异的影响。

YOLOv10改进，YOLOv10添加ASFF检测头（自适应空间特征融合），添加小目标检测层（四头检测）+CA注意机制，全网首发

YOLOv10改进，YOLOv10检测头融合DSConv卷积，添加小目标检测层（四头检测）+CA注意机制，全网首发

YOLOv10检测头融合DiverseBranchBlock(多样分支块)，添加小目标检测层（四头检测）+CA注意机制，多样分支块（DiverseBranchBlock）的代表性设计如下图所示（摘自论文）：1.DiverseBranchBlock(DBB)采用多分支拓扑结构，包括多尺度卷积、顺序1×1 - K×K卷积、平均池化和分支相加。这些具有不同感受野和复杂度的路径操作可以丰富特征空间，就像Inception架构一样。2.DiverseBranchBlock(DBB)可以在推理时等效地转换为单个卷积。

RepConv 通过将多个卷积操作合并成一个卷积操作来优化计算的。首先在训练过程中使用多种操作（如多个卷积层、跳跃连接等）来提高模型的表达能力和训练效果，而在推理时，通过重参数化将这些操作转化为单一的卷积层，从而减少计算量和提高速度。训练阶段：在训练时，使用常规的多分支结构，包含多个卷积层、BN 层以及跳跃连接。这种结构可以使模型在训练过程中具有更高的表达能力，从而提高训练性能。这时，每个卷积层可以通过与不同的卷积核和跳跃连接组合来建模复杂的特征。

YOLOv10改进，YOLOv10检测头融合RFAConv卷积，添加小目标检测层（四头检测）+CA注意机制，全网首发

YOLOv10改进，YOLOv10自研检测头融合HAttention用于图像修复的混合注意力检测头+添加小目标检测层（四头检测）+CA注意机制，全网首发

HAttention 注意力机制结合了传统的空间注意力和通道注意力，同时引入了一种混合策略来灵活调整两者的权重，旨在更精确地捕捉图像中的重要信息，模型能够在不同层次、不同领域的特征中找到有意义的上下文关联，从而提升图像修复和超分辨率重建的效果。空间注意力主要关注图像中的位置关系。通过计算图像中的每个像素点对目标任务的重要性来调整特征图的空间分布。空间注意力能够帮助模型聚焦于图像中重要的区域，忽略不相关的背景。通道注意力则关注特征图中不同通道的相对重要性。

自注意力（Self-Attention）机制是HyCTAS框架中的一个重要组成部分，是一种能够捕捉输入序列中不同位置之间关系的机制。核心思想是：对于输入的每一个元素，它都会通过与所有其他元素的关系来重新计算自己的表示，这种机制允许网络根据上下文信息动态地调整其对输入各部分的关注程度。在论文中，自注意力模块主要用于捕获长程依赖，这意味着它能够关注输入数据中远离当前位置的相关信息。例如，在图像分割任务中，自注意力模块能够帮助网络理解图像中不同区域之间的关系，提升网络对图像的整体理解能力。

StarNet 是一种基于“星形操作”特性的高效神经网络架构，充分利用了星形操作在低维空间计算时能产生高维特征的优势，主要用于提高深度神经网络的表示能力，同时保持计算效率。星形操作（star operation）是 StarNet的核心运算。其特点是能够在计算上保持高效的同时，通过元素级乘法将低维特征映射到高维空间，显著提升特征的表达能力。星形操作将输入特征通过元素级乘法转换成一个高维空间的特征表示，从而增加隐式维度。这个操作是通过两个权重矩阵与输入特征的元素级乘积实现的。

SCSA通过结合空间注意力（SMSA）和通道注意力（PCSA）来提升模型在多语义特征学习中的表现。其核心目标是减小多语义特征之间的差异，增强特征之间的相关性，从而提高视觉任务（如图像分类、目标检测等）的性能。

MANet 的目标是通过多种卷积操作的协同作用，提高特征提取能力，并加强梯度流动，从而提升模型在不同层次的特征表示和语义深度。MANet 结合了三种卷积变体，通过混合使用它们来提高视觉特征的多样性和信息流动性。

YOLOv10改进，YOLOv10添加BiLevelRoutingAttention双层路由注意机制、CSPStage广义特征金字塔网络和第四层检测头，MICCAI2024，二次C2f结构

LDConv（线性可变形卷积）旨在克服标准卷积和可变形卷积的限制。标准卷积使用固定的采样位置，只能提取局部信息，而可变形卷积通过学习偏移量来调整采样网格，但它们仍然使用规则的采样网格。LDConv通过生成初始采样坐标，并根据偏移量调整采样形状，实现任意大小卷积核的特征提取

YOLOv10改进，YOLOv10利用DLKAttention融合DCNv3、DCNv4形成全新的可变形大核注意力，并二次创新C2f结构，全网首发

大核卷积（Large Kernel Convolution）：大核卷积通过使用更大的卷积核来捕捉更广泛的上下文信息。与传统的卷积操作相比，它能在相同的感受野下减少参数量，降低计算复杂度。该方法能够在保持较低计算开销的情况下实现全局信息的聚合。可变形卷积的作用：在医学图像中，病变区域或器官的形状常常是不规则的，传统的卷积操作难以处理这些形变。可变形卷积通过学习偏移量来调整采样网格，使得卷积核能够灵活地适应不同形态的物体。这种灵活性可以更好地表示病变或器官的边界，从而提高分割的精度。

YOLOv10改进，YOLOv10添加U-Netv2分割网络中SDI信息融合模块+GSConv卷积，助力小目标

GSConv 是一种轻量级的卷积技术，旨在提高计算效率的同时，保持足够的精度。是对深度可分卷积（DSC）的优化。深度可分卷积（DSC）：这种卷积方法将卷积操作分为两部分：首先是深度卷积（对每个输入通道单独进行卷积），然后是1x1的卷积（用于混合不同通道的输出）。虽然这种方法减少了计算量和参数，但它在特征表达能力上存在局限，因为它将通道之间的信息分离开来，导致特征融合能力较弱。

SDI模块的主要目的是将图像的高层语义信息和低层细节信息进行融合，有助于改善图像分割的效果。

传统的卷积操作通常依赖于局部区域来提取特征，而CARAFE通过引入上下文信息，在提取特征时考虑到更多的周围区域，尤其是在超分辨率任务中，可以恢复更多的细节和纹理。CARAFE模块通过注意力机制聚焦在关键区域，并对特征图进行上下文增强，这有助于提升图像重建时的细节恢复和边缘锐化。与传统的卷积神经网络（CNN）不同，CARAFE利用无参数卷积，避免了过多的参数，降低了计算复杂度，同时提高了性能对于采样位置

一文教你改进Neck的SPPF结构为SimSPPF、SPP-CSPC和SPPF-CSPC

空洞卷积（Atrous Convolution）是一种可以在卷积操作中插入“空洞”来扩大感受野的技术，更有效地捕捉到图像中的大范围上下文信息。可切换空洞卷积（SAC）则通过自适应地切换不同的空洞率，使得模型能够灵活地根据特定场景调整卷积的感受野，从而更好地处理不同大小的目标。

AdditiveBlock 模块结合了卷积操作与加性自注意机制，以提升视觉任务的性能与计算效。多信息交互：CAS-ViT 认为Token Mixer 获取全局上下文信息的能力依赖于多维度的信息交互，包括空间和通道域。加性相似函数：引入一种新颖的加性相似函数，通过简单高效的操作实现上下文信息的整合，避免复杂的矩阵运算。AdditiveBlock 包含 Integration 子网、CATM 和 MLP 三个部分，并使用残差连接。Integration子网由三个 ReLU 激活的深度卷积层组成。

Convolutional GLU（卷积GLU） 是一种结合了通道注意力机制和最近邻图像特征的模块，用于增强局部建模能力和模型的鲁棒性。GLU（Gated Linear Unit）在自然语言处理任务中表现优于多层感知器（MLP）。GLU 由两个线性投影组成，其中一个投影被激活函数门控。与 SE 机制不同，GLU 的门控信号来自于 token 本身，而不是全局平均池化。

SE 注意力机制是一种提升卷积神经网络（CNN）性能的模块，SE更关注重要的特征图，增强了网络的表现，同时仅增加了较少的参数。

ResCBAM 模块结合了残差模块和 CBAM，CBAM 首先生成 1D 通道注意力图，然后生成 2D 空间注意力图以增强特征，最终特征通过元素级相加得出，能够更好地聚焦于目标区域，以提升特征表达能力。ResCBAM 工作流程为：输入特征通过 GAP和 GMP 生成不同的空间上下文描述符经过共享的 MLP 后计算出通道注意力图，随后生成空间注意力图最终将输出与输入特征相加形成增强的输出特征。论文地址代码地址下文都是手把手教程，跟着操作即可添加成功。

RFAConv的核心思想是解决卷积神经网络中的卷积核参数共享问题，并通过感受野空间特征提高网络的性能。其创新在于引入了一种新的注意力机制——感受野注意力（RFA），该机制不仅关注空间特征，还有效地解决了大尺寸卷积核的参数共享问题，从而提升了网络的表达能力。核心思想如下：卷积核参数共享问题：在标准卷积中，同一个卷积核的参数被应用于整个图像的不同感受野区域，因此不同位置的特征共享相同的卷积核参数，这会导致模型在某些情况下无法充分捕捉不同位置的局部差异。

KANs与传统 MLPs 在节点（神经元）上使用固定激活函数不同，KANs 在边（权重）上使用可学习的激活函数，权重以 B 样条函数形式表示，每个激活函数可根据输入调整细粒度参数。虽然定理原始形式仅涉及两层网络，KANs 通过堆叠更多层（深度和宽度任意）实现更复杂的函数拟合能力，KANConv2D 利用不同类型的激活函数，以 Conv2D 格式提供各种 Kolmogorov-Arnold 网络 （KAN） 层的实现。

DynamicConv（动态卷积）是一个用于提高卷积神经网络（CNN）性能的技术，核心思想是动态地生成卷积核（filter），而不是使用固定的卷积核。通过引入更多的计算灵活性和适应性来增强卷积操作的表达能力，进而提升模型的性能。专家选择：DynamicConv 通过引入多个“专家”（experts），每个专家学习特定的卷积模式。输入图像的不同部分会选择不同的专家进行卷积。动态卷积核生成：根据输入的不同特征，专家网络动态地生成卷积核，而不是使用固定的卷积核。

YOLOv10添加DySample超轻量级且有效的动态上采样器(ICCV2023)+SCAM空间上下文感知模块，提高模型在遥感小目标和低分辨率检测能力

Inner-IoU引入辅助边界框，通过缩放因子生成不同大小的辅助边界框计算损失。小比例的辅助边界框适用于高 IoU 样本，有助于加快收敛，而大比例的辅助边界框适用于低 IoU 样本。Inner-IoU 流程如图所示（图摘自论文）：作者通过将 ratio 值设置 0.7 到 0.8 之间小于 1，产生小于实际边框的辅助边框。实验结果证明其能够对高 IoU 样本产生增益。论文地址代码地址对象检测是计算机视觉任务中的核心问题之一，其效果在很大程度上取决于损失函数的定义——衡量机器学习模型预测结果准确性的方法。

gnConv 是一种高效的空间交互操作，通过递归门控卷积实现长距离和高阶的空间交互。其核心思想是通过使用标准卷积、线性投影和逐元素乘法，模拟自注意力中的输入自适应空间混合，但具有更低的计算复杂度。输入自适应的空间交互在传统的卷积神经网络中，卷积操作是通过固定的卷积核对邻域进行加权求和，从而聚合邻域特征。这种方法的缺点是，卷积核是固定的，不具备自适应的能力。与此不同，gnConv 引入了自适应的空间交互，类似于 Transformer 中的自注意力机制。

Slide Loss的核心在于处理样本不平衡问题，对检测中的难易样本进行加权。其主要目的是在训练过程中，将更多的关注放在难样本上，让模型对这些样本的学习更为深入，而不过度关注简单样本。Slide Loss 的设计灵感来源于样本的 IoU 值。易样本：IoU 值高于 µ 的样本。难样本：IoU 值低于 µ 的样本。Slide Loss 的权重设计像“滑梯”形状，对接近阈值 µ 的样本赋予较高权重。赋予低于阈值的难样本较高的权重，使模型在训练时对这些样本更为关注。

EffectiveSE 模块是改进传统 SE 机制的一个关键组件，解决原始 SE 机制在卷积神经网络（CNN）中可能出现的信息丢失问题。原始的 SE 机制通过学习通道间的依赖关系，对通道进行加权，增强特征图。然而，传统SE模块通过两个全连接（FC）层对通道维度进行压缩再扩展，这一过程可能导致部分通道信息的丢失。而 EffectiveSE 模块的改进简化了这一结构，将原本的两个全连接层替换为一个全连接层，从而避免了通道维度的缩减，保留了原始的通道信息。