《芒果书》剑指系列YOLO改进专栏目录 （内容持续更新中）
《芒果书》剑指系列专栏 是以Baseline模型划分
比如 《剑指YOLOv8原创改进》 只会更新 YOLOv8 模型改进相关的内容
比如 《剑指YOLOv7原创改进》 只会更新 YOLOv7 模型改进相关的内容
比如 《剑指YOLOv5原创改进》 只会更新 YOLOv5 模型改进相关的内容
还在持续更新中
包括《网络结构原创改进、损失函数改进、标签分配策略… 写作技巧改进等等》
：如果是改进YOLOv5、YOLOv7、YOLOv8 等模型的其中之一的话，可以订阅对应的其中一个。
文章目录
-
-
- 剑指YOLO改进专栏 目录(持续更新中)
-
- 一、剑指YOLOv8原创改进
- 二、剑指YOLOv7原创改进
- 三、剑指YOLOv5原创改进
- 其他专栏目录
-
- 一、芒果改进YOLO高阶指南
- 二、芒果改进YOLO进阶指南
- 三、目标检测YOLO改进指南
- 四、芒果YOLO轻量化网络改进
-
剑指YOLO改进专栏 目录(持续更新中)
一、剑指YOLOv8原创改进
专栏地址：独家全网首发专栏《剑指YOLOv8原创改进》
专栏内容目录一览
| 模型 | 改进内容 | 创新点改进类型 |
|---|---|---|
| YOLO系列 | 独家全网首发专栏《剑指YOLOv8原创改进》 | 专栏目录 |
| YOLOv8 | 改进FocalLoss损失函数 | 损失函数 |
| YOLOv8 | 改进QualityFocal损失函数 | 损失函数 |
| YOLOv8 | 改进VariFocalNet损失函数 | 损失函数 |
| YOLOv8 | 改进PolyLoss损失函数 | 损失函数 |
| YOLOv8 | 即插即用｜原创改进ShareSepHead新颖检测头升级版 | 检测头 |
| YOLOv8 | NanoDet动态标签分配策略 | 标签分配策略 |
| YOLOv8 | 改进最新MPDIoU损失函数 | 损失函数 |
| YOLOv8 | 改进ATSS标签分配策略 | 标签分配策略 |
| YOLOv8 | 改进主干EfficientNet模型 | 主干网络 |
| YOLOv8 | 改进主干EfficientNetV2升级版 | 改进主干网络 |
| YOLOv8 | 改进最新EMO结构 | 改进主干网络 |
| YOLOv8 | 最新ICCV2023顶会LSKNet | 改进主干网络 |
| YOLOv8 | 更新中 |
二、剑指YOLOv7原创改进
专栏地址：独家全网首发专栏《剑指YOLOv7原创改进》
专栏内容目录一览
| 模型 | 改进内容 | 创新点改进类型 |
|---|---|---|
| YOLO系列 | 独家全网首发专栏《剑指YOLOv7原创改进》 | 专栏目录 |
| YOLOv7 | 改进主干EfficientNet模型 | 主干网络 |
| YOLOv7 | 改进主干EfficientNetV2升级版 | 主干网络 |
| YOLOv7 | 使用NanoDet动态标签分配策略 | 标签分配策略 |
| YOLOv7 | 原创改进EMO | 主干网络 |
| YOLOv7 | 最新ICCV2023顶会LSKNet | 主干网络 |
| YOLOv7 | 改进最新MPDIoU损失函数 | 损失函数 |
| YOLOv7 | 改进ATSS标签分配策略v1 | 标签分配策略 |
| YOLOv7 | 更新中 |
三、剑指YOLOv5原创改进
专栏地址：独家全网首发专栏《剑指YOLOv5原创改进》
专栏内容目录一览
| 模型 | 改进内容 | 创新点改进类型 |
|---|---|---|
| YOLO系列 | 独家全网首发专栏《剑指YOLOv5原创改进》 | 专栏目录 |
| YOLOv5 | 改进主干EfficientNet模型 | 主干网络 |
| YOLOv5 | 改进主干EfficientNetV2升级版 | 主干网络 |
| YOLOv5 | 原创改进EMO | 主干网络 |
| YOLOv5 | 最新ICCV2023顶会LSKNet | 主干网络 |
| YOLOv5 | 改进最新MPDIoU损失函数 | 损失函数 |
| YOLOv5 | 改进ATSS标签分配策略v1 | 标签分配策略 |
| YOLOv5 | 更新中 |
其他专栏目录
一、芒果改进YOLO高阶指南
专栏地址：独家全网首发专栏《芒果改进YOLO高阶指南》
专栏内容目录一览
| 模型 | 改进内容 | 创新点改进类型 |
|---|---|---|
| YOLOv8 | 改进用于目标检测的渐近特征金字塔网络AsymptoticFPN | FPN特征融合 |
| YOLOv8 | 最新原创XIoU_NMS改进点, 改进有效可以直接当做自己的原创改进点来写 | 主干网络、Neck |
| YOLOv8 | 全网独家改进遮挡损失函数Repulsion Loss | 损失函数 |
| YOLOv8 | 即插即用｜新颖轻量化非对称多级压缩LADH检测头，原创改进适配YOLOv8高效检测头 | 检测头 |
| YOLOv8 | 新颖的GhostSlimFPN范式网络结构 | FPN结构 |
| YOLOv8 | 高效 GhostNet 网络 | 主干网络 |
| YOLOv8 | CFNet：即插即用｜原创改进结构显著提升检测性能，小目标检测涨点必备 | 改进 原创 |
| YOLOv8 | 独家原创改进最新PWConv核心结构｜CVPR2023 | 改进 原创 |
| YOLOv8 | 独家首发最新原创 EfficiCLNMS 改进点 | 改进 NMS |
| YOLOv8 | 首发独家原创结构FasterNeXt｜CVPR2023 | 原创 结构 |
| YOLOv8 | 原创改进最新结构CBiF、BiFB 小目标检测涨点 | 原创 网络 |
| YOLOv8 | 主干系列BiFormer | 主干网络 |
| YOLOv8 | 特征融合网络 BiFPN 结构 | FPN 网络 |
| YOLOv8 | 增加小检测头、Transformer检测头 | 检测头 |
| YOLOv8 | 首发全新改进RepFPN结构 | FPN 结构 |
| YOLOv8 | 首发原创全新 XIoU 损失函数 | 损失函数 |
| YOLOv8 | 全新 EfficiCLoss 损失函数 | 损失函数 |
| YOLOv8 | 最新结构 InceptionNeXt | 主干网络 |
| YOLOv8 | 芒果YOLO改进｜YOLOv8改进代码原创大全集，全方位角度对YOLOv8模型进行改进，推荐 | 全新版本 |
| YOLOv8 | SCI期刊写作必备-生成YOLOv8等主流模型同款图表 | 图表 |
| 模型 | 改进内容 | 创新点改进类型 |
|---|---|---|
| YOLOv5 / YOLOv7 | YOLO改进超过50种注意力机制，全篇共计30万字 | 注意力机制 |
| YOLOv5 / YOLOv7 | 最新结构 InceptionNeXt | 主干网络 |
| YOLOv5 / YOLOv7 | 首发最新PWConv核心结构 | 原创核心结构 |
| YOLOv5 | 改进AFPN渐近特征金字塔网络 | 主干网络 |
| YOLOv5 | 独家首发最新原创XIoU_NMS改进 | 改进 NMS |
| YOLOv5 | 原创改进损失函数 Repulsion | 损失函数 |
| YOLOv5 / YOLOv7 | 即插即用｜新颖原创｜轻量化非对称多级压缩LADH检测头 | 检测头 |
| YOLOv5 / YOLOv7 | CFNet：即插即用｜原创改进结构显著提升检测性能，小目标检测涨点必备 | 原创 |
| YOLOv5 / YOLOv7 | 独家首发最新EfficiCLNMS改进点 | 改进 NMS |
| YOLOv5 / YOLOv7 | 原创全新 XIoU 损失函数 | 损失函数 |
| YOLOv5 / YOLOv7 | 改进最新结构CBiF、BiFB | 原创核心结构 |
| YOLOv5 / YOLOv7 | 最新主干系列BiFormer | 主干网络 |
| YOLOv5 / YOLOv7 | 即插即用｜最新检测头改进集合｜首发最新更新超多种高精度&轻量化解耦检测头 | 主干网络 |
| YOLOv7 | AFPN目标检测的渐近特征金字塔网络 | FPN结构 |
| YOLOv7 | 原创改进损失函数 Repulsion | 损失函数 |
| YOLOv7 | 最新主干FasterNet系列 | 主干网络 |
| YOLOv7 | 原创独家改进｜损失函数EfficiCIoU-Loss | 损失函数 |
| YOLOv5 / YOLOv7 | 新颖特定任务检测头TSCODE | 检测头 |
| YOLOv5 | 最新主干FasterNet系列 | 主干网络 |
| 模型 | 改进内容 | 创新点改进类型 |
|---|---|---|
| YOLO系列 | 数据集可视化｜改进模型的实验数据更丰富 | 优化 写作内容 |
| YOLOv5 / YOLOv7 | 改进之实验结果新增mAP75的值(一)：新增打印mAP75的值，便于YOLOv5系列模型对比实验获取更多精度数据，丰富实验数据 | 优化 写作内容 |
| YOLOv5 / YOLOv7 | 改进之实验结果打印F1 Score的值(二)：新增打印F1 Score的值，便于YOLOv5系列模型对比实验获取更多精度数据，丰富实验数据 | 优化 写作内容 |
| YOLOv5 / YOLOv7 | 训练结果完善results.png、results.csv打印的数据(三)｜全网首发原创制作，新增打印mAP75和F1的值，修改原始风格，丰富实验数据 | 优化 写作内容 |
| YOLOv5 / YOLOv7 | 打印热力图可视化：适用于自定义模型，丰富实验数据 | 优化 写作内容 |
| YOLOv5 / YOLOv7 | 输出COCO指标：输出自定义数据集中small、medium、large大中小目标的mAP值，适用于自定义数据集，精度基本对齐，丰富实验数据，便于对比 | 优化 写作内容 |
| YOLOv5 / YOLOv7 | 全网独家首发｜YOLOv7改进方式提升(代码二)，使得改进难度下降，将网络配置层数从104层极致压缩到24层，更清晰更方便更快的改进YOLOv7，完全对齐官方YOLOv7网络模型数据 | 改进 |
| YOLOv5 / YOLOv7 | SCI期刊写作必备｜手把手绘制目标检测领域YOLO论文常见的性能对比折线图，一键生成YOLOv7等主流论文同款图表，包含多种不同功能风格对比图表 | 优化 写作内容 |
| YOLOv5 / YOLOv7 | 原创最新｜SCI写作必备（一）绘制YOLOv7论文同款性能对比图-Python：包含多种不同功能风格图表｜包括mAP、Params、FPS等对比图表（YOLOv6/YOLOv7同款） | 优化 写作内容 |
| 改进 | 更新中 | 改进 |
二、芒果改进YOLO进阶指南
专栏地址：独家全网首发专栏《芒果改进YOLO进阶指南》
专栏内容目录一览
| 模型 | 改进内容 | 创新点改进类型 |
|---|---|---|
| YOLOv8 | 设计 EffQAFPN 结构 | 原创FPN结构 |
| YOLOv8 | 改进EfficientRep结构 | 原创主干结构 |
| YOLOv8 | 改进CReToNeXt 结构 | 改进结构 |
| YOLOv8 | 全网首发最新 MobileViTv3 系列最强改进版本 | 改进核心结构 |
| YOLOv8 | 全网首发最新苹果续作加强版 MobileViTv2结构 | 改进核心结构 |
| YOLOv8 | 最新原创 ConvNeXtv2 升级版 | 改进核心结构 |
| YOLOv8 | 原创结合Conv2Formers改进结构 | 改进核心结构 |
| YOLOv8 | FocalLoss结合变种IoU套装：包含Focal-EIoU｜Focal-SIoU｜Focal-CIoU、GIoU等 | 损失函数 |
| YOLOv8 | 改进损失函数Wise-IoU | 损失函数 |
| YOLOv8 | 最新原创提出改进 QARepNeXt 结构 | 原创核心结构 |
| YOLOv8 | 首发结合 RepLKNet 构建 最新 RepLKDeXt 结构 | 原创核心结构 |
| YOLOv8 | 芒果YOLO专栏的YOLOv8的Baseline改进：打造更方便版本NEW YOLOv8 | Baseline改进 |
| YOLOv8 | 改进损失函数WDLoss | 损失函数 |
| YOLOv5 / YOLOv7 | 全网首发Dense设计核心最新提出DenseOne密集网络 | 原创 核心 结构 |
| YOLOv5 / YOLOv7 | 手把手最新结合多种类Loss，包括PolyLoss / VarifocalLoss / GeneralizedFLoss / QualityFLoss / DFL等 | 原创 核心 改进 |
| YOLOv5 / YOLOv7 | 手把手最新结合多种类Loss，包括PolyLoss / VarifocalLoss / GeneralizedFLoss / QualityFLoss / DFL等 | 原创 核心 改进 |
| YOLOv5 / YOLOv7 | 首发最新改进一种强大性能的全新架构(顶会2022), 该架构精度超越TPH-YOLOv5 | 原创核心结构 |
| YOLOv7 | 首发改进结合BiFPN结构的特征融合网络 | 改进FPN网络 |
| YOLOv7 | SIoU等结合FocalLoss应用：组成Focal-EIoU｜Focal-SIoU｜Focal-CIoU｜Focal-GIoU、DIoU等改进点 | 损失函数 |
| YOLOv7 | 改进用于小目标检测的归一化高斯 Wasserstein Distance Loss | 损失函数 |
| YOLOv7 | 原创高效 RepFPN 结构 | 原创 核心网络结构 |
| YOLOv7 | 原创结合 Conv2Former 改进结构 | 改进主干网络 |
| YOLOv7 | 全网首发最新基于TOOD标签分配策略改进 | 标签分配改进 |
| YOLOv7 | 最新Wise-IoU损失函数 | 损失函数 |
| YOLOv7 | 最新提出改进 CReToNeXt 结构 | 原创核心结构 |
| YOLOv7 | 最新原创RepGhostNeXt结构 | 改进主干网络 |
| YOLOv7 | 首发最新原创 ConXBv2 升级版结构 | 改进主干网络 |
| YOLOv7 | 首发结合最新 QARepVGG 升级Rep结构 | 原创核心结构 |
| YOLOv7 | GhostNetV2 架构 | 改进主干网络 |
| YOLOv7 | 首发改进特征融合网络BiFPN结构 | 改进FPN网络 |
| YOLOv5 | FocalLoss结合变种IoU套装：包含Focal-EIoU｜Focal-SIoU｜Focal-CIoU｜Focal-GIoU、DIoU等 | 损失函数 |
| YOLOv5 | 用于微小目标检测的Normalized Gaussian Wasserstein Distance，小目标高效涨点 | 损失函数 |
| YOLOv5 | 原创改进 EfficientRep 结构 | 核心网络结构 |
| YOLOv5 | 最新Wise-IoU损失函数 | 损失函数 |
| YOLOv5 | 首发最新改进广义焦点损失Generalized Focal Loss | 改进 |
| YOLOv5 | 最新原创改进提出 v5-CReToNeXt 结构 | 核心网络结构 |
| YOLOv5 | 原创结合 Conv2Formers 改进结构 | 改进主干网络 |
| YOLOv5 | 首发最新基于GFL损失函数 | 损失函数 |
| YOLOv5 | 最新原创提出改进 QARepNeXt 结构 | 原创核心结构 |
| YOLOv5 | 全网最新原创 ConXBv2 升级版模型 | 改进 |
| YOLOv5 | GhostNetV2 架构 | 改进主干网络 |
| YOLOv5 | 最新原创打造RepGhostNeXt结构 | 原创核心结构 |
| YOLOv5 | 全网首发最新 MobileViTv3 系列最强版本（三） | 原创核心网络 |
| YOLOv5 | 全网首发最新苹果续作加强版 MobileViTv2 结构 | 原创核心网络 |
| YOLOv5 | 最新结合 ICLR2022 顶会 轻量通用的 MobileViT | 原创核心网络 |
| YOLOv7 | 全网首发最新 MobileViTv3 系列最强版本 | 原创核心结构 |
| YOLOv7 | 全网首发最新苹果续作加强版 MobileViTv2 结构 | 原创核心结构 |
| YOLOv7 | 首发最新结合 ICLR2022 顶会轻量通用的 MobileViT 结构 | 原创核心结构 |
| YOLOv7 | 首发最新改进一种强大性能的全新架构(顶会2022) | 原创核心结构 |
| 改进 | 更新中 | 改进 |
三、目标检测YOLO改进指南
专栏地址：独家全网首发专栏《目标检测YOLO改进指南》
专栏内容目录一览
| 模型 | 改进内容 | 创新点改进类型 |
|---|---|---|
| YOLOv7 | CSDN独家全网首发专栏《目标检测YOLO改进指南》 | 专栏目录 |
| YOLOv7 | 最新结合即插即用CA(Coordinate attention) 注意力机制 | 注意力机制(试读) |
| YOLOv7 | 首发最新结合Global Context Modeling结构 | 改进核心结构 |
| YOLOv7 | 首发最新结合多种X-Transformer结构新增小目标检测层 | 检测头 |
| YOLOv7 | 结合Adaptively Spatial Feature Fusion自适应空间特征融合结构 | 改进FPN结构 |
| YOLOv7 | 首发结合最新CSPNeXt主干结构 | 改进原创结构 |
| YOLOv7 | 最新结合DO-DConv卷积、Slim范式提高性能涨点 | 改进基础结构 |
| YOLOv7 | 最新即插即用的动态卷积ODConv | 改进基础结构 |
| YOLOv7 | 首发结合最新Centralized Feature Pyramid集中特征金字塔 | 改进核心结构 |
| YOLOv7 | 首发结合 RepLKNet 构建 最新 RepLKDeXt 结构 | 改进原创结构 |
| YOLOv7 | 最新HorNet结合YOLOv7应用！新增 HorBc结构 | 改进原创结构 |
| YOLOv7 | ConvNeXt结合YOLOv7基于ConvNeXt结构 构建 CNeB 模块 | 原创核心网络 |
| YOLOv5 | 首发结合最新Extended efficient Layer Aggregation Networks结构 | 改进核心结构 |
| YOLOv5 | 最新MobileOne结构 | 改进核心结构 |
| YOLOv5 | ACmix结构,自注意力和卷积集成 | 改进核心结构 |
| YOLOv5 | 最新HorNet结合YOLO应用首发 | 改进 核心结构 |
| 改进 | 最新结合用于小目标的新CNN卷积构建块 | 改进 核心结构 |
| 改进 | 增加Swin-Transformer小目标检测头 | 检测头 |
| 改进 | 最新HorNet结合YOLOv7应用 | 改进 核心结构 |
| 改进 | 更新中 | 改进 |
四、芒果YOLO轻量化网络改进
专栏地址：独家全网首发专栏《芒果YOLO轻量化网络改进》
专栏内容目录一览
| 模型 | 改进内容 | 创新点改进类型 |
|---|---|---|
| YOLO系列 | 独家全网首发专栏《芒果YOLO轻量化网络改进》 | 专栏目录 |
| YOLOv7、v7Tiny | MobileNetV3结构 | 改进主干网络 |
| YOLOv7、v7Tiny | ShuffleNet V2主干 | 改进主干网络 |
| YOLOv7、v7Tiny | GhostNet主干 | 改进主干网络 |
| YOLOv7-Tiny | 轻量级PP-LCNet主干 | 改进主干网络 |
| YOLOv7、v7Tiny | PicoDet 主干 | 改进主干网络 |
| YOLOv7 | 测试 | 改进主干网络 |
| YOLOv5 | 改进PicoDet主干系列 | 改进主干网络 |
| YOLOv5 | MobileNetV3结构 | 改进主干网络 |
| YOLOv5 | 测试 | 改进 |
| YOLOv8 | MobileNetV3主干 | 改进主干网络 |
| YOLOv8 | 改进ShuffleNet V2主干系列 | 改进主干网络 |
| YOLOv8 | 轻量级PP-LCNet主干 | 改进主干网络 |
| YOLOv8 | 改进 PicoDet 主干系列 | 改进主干网络 |
| YOLOv5、YOLOv7 | 原创改进Soft-NMS,Soft-CIoUNMS,Soft-SIoUNMS,Soft-DIoUNMS,Soft-EIoUNMS,Soft-GIoUNMS | 改进NMS |
| YOLOv5、YOLOv7 | 原创改进创新点 DIoU-NMS,SIoU-NMS,EIoU-NMS,CIoU-NMS,GIoU-NMS | 改进NMS |
| 改进 | 更新中 | 改进 |