yolov5改进 yolov7改进 yolox改进 等目标检测网络结构创新又一大作：C3GN 引荐HorNet递归门控卷积GnConv

【yolov5 yolov7 】等目标检测网络结构创新又一大作：C3GN 引荐HorNet递归门控卷积GnConv

1、引荐HorNet递归门控卷积思想 论文地址： https://arxiv.org/pdf/2207.14284.pdf

• 递归门控卷积GnConv模块：
  主要思想：通过门控卷积和递归设计执行高阶空间交互，新的操作具有高度的灵活性和可定制性，将自注意力中的二阶交互扩​​展到任意阶，而不会引入大量额外的计算，并通过引入高阶交互来进一步增强模型容量，具有与自注意力相似的输入自适应空间混合功能。
• 以GnConv模块构建GnBlock：遵循与Transformer相同的元架构来构建基本块GnBlock,包含空间混合层和前馈网络 (FFN)
• 以基本块GnBlock构建C3GN:此部分预原YOLOv5 C3部分相同，将n个残差结构替换为n个GnBlock
• 网络结构如下：
  

2、以C3GN完成颈部网络创新

• 以yolov5-6.0为基线代码，参数量变化0.2M，计算复杂度变化0.6Gflops，在私有内部瓜果数据集上检测效果提升明显，具体结果如下图：
  
• yolov5s与yolov5s-C3GN模型mAP对比曲线：
  
• 可视化结果
  
• 此思想可以用在不同基于Convs的目标检测器上，例如yolov3～yolov7，centernet，yolox，yolor，fasterrcnn等，本人已将yolov5-6.0版本上传到 此链接，需要改进其他网络寻求帮助可私信。