YOLOv8独家原创改进: 多种新颖的改进方式 | 保持原始信息-深度可分离卷积(MDSConv) | 全局感受野的空间金字塔 (Improve-SPPF)算法 | CA注意力改进版

深度可分离卷积本文自研创新改进:改进1)保持原始信息-深度可分离卷积(MDSConv)解决了不能与原始特征层通道之间的信息交互的问题(如经典的深度可分离卷积);

改进2)提出快速的全局感受野的空间金字塔 (Improve-SPPF)算法,融合局部感受野和全局感受野,以减少不同尺度的影响;

改进3)CA改进版:解决CA注意力机制并没有很好地利用显著信息。因此,设计了一种结合平均池化和最大池化的即插即用坐标注意力;

改进4)基于MODSConv和CA改进版,构建了保持原始信息深度可分离层(MDSLayer)结构,以不降级的方式保护了通道之间的丰富信息;

 

收录

YOLOv8原创自研

你可能感兴趣的:(YOLOv8原创自研,机器学习,人工智能,YOLO,网络,算法,开发语言)