改进YOLOv7系列:首发最新结合多种X-Transformer结构新增小目标检测层,让YOLO目标检测任务中的小目标无处遁形
- 该教程包含大量的原创首发改进方式, 所有文章都是原创首发改进内容
降低改进难度,改进点包含最新最全的Backbone部分、Neck部分、Head部分、注意力机制部分、自注意力机制部分等完整教程
- 本篇文章基于
基于 YOLOv7、YOLOv7-Tiny 等网络
首发最新结合多种X-Transformer结构
新增小目标检测层,使用四个检测层
,包含多种X-Transformer小目标检测网络设计,通过探索不同Self-Attention的预测潜力
新增了一个多种X-Transformer 结构检测层
。让YOLO目标检测任务中的小目标无处遁形
,打造高性能、轻量级检测器 改进。代码直接运行
- 重点:有不少同学已经反应 该创新点专栏的教程 提供的网络结构 在自有数据集上
有效涨点!!!
- 专栏读者可以私信博主加创新点改进交流群
文章目录
-
- 原始YOLOv7参数
- 新增Transformer检测层YOLOv7参数
- 为什么要给YOLOv7增加一个新的检测层
- 一、YOLOv7网络结构图
- 代码部分(增加一个Transformer小目标检测层)
- 二