芒果改进YOLOv5系列:全网首发最新苹果续作加强版 MobileViTv2结构(二),提出移动视觉 Transformer 的可分离自注意力机制,高效涨点提速

  • 该教程为改进进阶指南,包含大量的原创首发改进方式, 所有文章都是全网首发原创改进内容,本篇是MobileViT系列三个版本中的第二版论文结合YOLOv5改进MobileViTv2系列二
    本篇文章 基于 YOLOv5网络:首发最新结合苹果最新续作 MobileViTv2 结构(二),提出移动视觉 Transformer 的可分离自注意力机制。该论文提出来的MobileViTv2结构对MobileViT进行升级改进!提出了一种具有线性复杂度的可分离自注意力方法,进一步提高效率,表现SOTA!性能优于Mobile-former等网络, 本文将改进该结构结合YOLOv5系列应用
  • 重点:有不少同学已经反应 专栏的教程 提供的网络结构 在数据集上有效涨点!!!
  • 重点:进阶专栏内容持续更新中☁️️,订阅了该专栏的读者务必·私信博主·加·全新创新点进阶交流群·群内不定时会发一些其他未公开的Tricks.
  • 本篇内容包括理论部分YOLO改进结构代码,并提出首发原创 X结构(其他地方没有),进行改进

包含整个 MobileViT 系列(Transformer不同论文)

目前最新一共3个版本,分别是MobileViT模型MobileViTv2模型MobileViTv3模型,这是三篇不同的论文!&

你可能感兴趣的:(芒果改进YOLO进阶指南,目标检测,深度学习,计算机视觉)