BackBone

YOLOv8优化：独家创新（SC_C_Detect）检测头结构创新，实现涨点 | 检测头新颖创新系列

独家首发创新（原创），适用于Yolov5、Yolov7、Yolov8等各个Yolo系列，专栏文章提供每一步步骤和源码，轻松带你上手魔改网络重点：通过本专栏的阅读，后续你也可以自己魔改网络，在网络不同位置（Backbone
AI小怪兽·2023-11-21 03:12

YOLOv5 学习记录

改进点SSPF模块正负样本匹配损失函数整体概况YOLOv5是一个基于Anchor的单阶段目标检测，其主要分为以下5个阶段：1、输入端：Mosaic数据增强、自适应Anchor计算、自适应图像缩放；2、Backbone
RessCris·2023-11-20 03:57

RT-DETR算法优化改进：Backbone改进 | VanillaNet一种新视觉Backbone，极简且强大！华为诺亚2023

本文独家改进：VanillaNet助力RT-DETR，替换backbone，简到极致、浅到极致！
AI小怪兽·2023-11-19 17:57

YOLOv8优化策略：轻量级Backbone改进 | VanillaNet极简神经网络模型 | 华为诺亚2023

本文改进：一种极简的神经网络模型VanillaNet，支持vanillanet_5,vanillanet_6,vanillanet_7,vanillanet_8,vanillanet_9,vanillanet_10,vanillanet_11等版本YOLOv8改进专栏：http://t.csdnimg.cn/hGhVK学姐带你学习YOLOv8，从入门到创新，轻轻松松搞定科研；1.VanillaNe
会AI的学姐·2023-11-19 17:38

【mmdetection】用自己的coco数据集训练mask r-cnn并进行验证、测试，推理可视化，更改backbone，只针对某一标签进行训练

大前提：Ubuntu20.04LTS本人呕心沥血从无到有的摸索，自己边尝试边整理的，其实耐心多看官方文档确实能找到很多东西（下面有官方文档的链接这里就不重复粘贴了），也为了方便我自己copy语句嘻嘻~为什么不是用Windows，作为一个小白我一开始真的想用windows，因为我懒得配双系统，但是没办法，是真的lj，安装又难，训练有诸多限制，就sosad知道吧。安装就看别的博主吧跟着别的博主soea
Zlan_lvlv·2023-11-19 17:34

YOLOv8优化策略：轻量级Backbone改进 | 高效模型 (Efficient MOdel, EMO),现代倒残差移动模块设计 | ICCV2023

本文改进：面向移动端的轻量化网络模型——EMO，它能够以相对较低的参数和FLOPs超越了基于CNN/Transformer的SOTA模型，支持四个版本EMO_1M,EMO_2M,EMO_5M,EMO_6MYOLOv8改进专栏：http://t.csdnimg.cn/hGhVK学姐带你学习YOLOv8，从入门到创新，轻轻松松搞定科研；1.EMO介绍论文：https://arxiv.org/pdf/2
会AI的学姐·2023-11-19 17:03

PP-OCR笔记

目录检测det数据准备数据格式训练模型微调数据选择模型选择前沿算法与模型训练超参选择预测超参选择启动训练断点训练更换Backbone训练添加新算法混合精度训练分布式训练知识蒸馏训练其他训练环境评估、预测导出
贺一诺·2023-11-19 08:36

RT-DETR优化策略：轻量级Backbone改进 | 高效模型 (Efficient MOdel, EMO),现代倒残差移动模块设计|ICCV2023

本文改进：面向移动端的轻量化网络模型——EMO，它能够以相对较低的参数和FLOPs超越了基于CNN/Transformer的SOTA模型，支持四个版本EMO_1M,EMO_2M,EMO_5M,EMO_6M，参数量如下，相对于自带的rtdetr-l、rtdetr-x有很大提升layersparametersgradientsEMO_1M69799216289921628EMO_2M764110258
会AI的学姐·2023-11-19 04:41

RT-DETR优化改进：轻量级Backbone改进 | VanillaNet极简神经网络模型 | 华为诺亚2023

本文改进：一种极简的神经网络模型VanillaNet，支持vanillanet_5,vanillanet_6,vanillanet_7,vanillanet_8,vanillanet_9,vanillanet_10,vanillanet_11等版本，相对于自带的rtdetr-l、rtdetr-x参数量如下：layersparametersgradientsvanillanet_5338277174
会AI的学姐·2023-11-19 04:38

YOLOv8-Seg改进：轻量级Backbone改进 | 高效模型 (Efficient MOdel, EMO),现代倒残差移动模块设计 | ICCV2023

本文改进：面向移动端的轻量化网络模型——EMO，它能够以相对较低的参数和FLOPs超越了基于CNN/Transformer的SOTA模型，支持四个版本EMO_1M,EMO_2M,EMO_5M,EMO_6M，参数量如下，相比较yolov8-seg各个版本如下：layersparametersgradientsGFLOPsEMO_1M5713276963
会AI的学姐·2023-11-18 19:06

YOLOv8-Seg改进：Backbone改进 |Next-ViT堆栈NCB和NTB 构建先进的CNN-Transformer混合架构

本文改进：Next-ViT堆栈NCB和NTB构建先进的CNN-Transformer混合架构，包括nextvit_small,nextvit_base,nextvit_large，相比较yolov8-seg各个版本如下：layersparametersgradientsGFLOPsnextvit_small61033841075
会AI的学姐·2023-11-18 19:06

YOLOv8-Seg改进：轻量级Backbone改进 | VanillaNet极简神经网络模型 | 华为诺亚2023

本文改进：一种极简的神经网络模型VanillaNet，支持vanillanet_5,vanillanet_6,vanillanet_7,vanillanet_8,vanillanet_9,vanillanet_10,vanillanet_11等版本，相比较yolov8-seg各个版本如下：layersparametersgradientsGFLOPsvanillanet_521230017523
会AI的学姐·2023-11-18 19:02

PP-YOLOE: An evolved version of YOLO（2022.12）

文章目录Abstract1.Introduction2.Method2.1.ABriefReviewofPP-YOLOv22.2.ImprovementofPP-YOLOEAnchor-freeBackboneandNeckTaskAlignmentLearning
怎么全是重名·2023-11-18 18:34

Learning Object Bounding Boxes for 3D Instance Segmentation on Point Clouds

1IntroductionTheframeworkdirectlyregresses3Dboundingboxesforallinstancesinapointcloud,whilesimultaneouslypredictingapoint-levelmaskforeachinstance.Itconsistsofabackbonenetworkfollowedbytwoparallelnetw
じんじん·2023-11-18 18:50

yolo改进替换VanillaNet backbone

华为诺亚提出VanillaNet--一种新视觉Backbone，极简且强大论文地址：https://arxiv.org/pdf/2305.12972.pdf代码地址：GitHub-huawei-noah
athrunsunny·2023-11-17 12:48

【v8初体验】利用yolov8训练COCO数据集或自定义数据集

ultralytics/ultralyticsyolov8改进介绍YOLOv5目前仍然是很受到大家环境的，v8作为v5的升级之作效果的提升也非常明显，但相比YOLOv5确实没有作出较大改进，主要改进如下：Backbone
一方热衷.·2023-11-16 17:26

yolov5增加一层小目标检测层

YOLOv5headhead:[[-1,1,Conv,[512,1,1]],[-1,1,nn.Upsample,[None,2,'nearest']],[[-1,6],1,Concat,[1]],#catbackboneP4
非鱼nll·2023-11-16 13:09

车道线检测：LSTR论文解析

Introduction3.RelatedWork4.Method4.1车道形状模型（LaneShapeModel）曲线的重新参数化4.2匈牙利拟合损失（HungarianFittingLoss）4.3网络结构4.3.1Backbone4.3.2Encoder4.3
AIRV_Gao·2023-11-16 11:34

【基于Ubuntu下Yolov5的目标识别】保姆级教程 | 虚拟机安装 - Ubuntu安装 - 环境配置(Anaconda/Pytorch/Vscode/Yolov5) |全过程图文by.Akaxi

【YOLOV5算法原理】1.输入端2.Backbone3.Neck4.输出端二．
Akaxi-1·2023-11-16 00:40

RT-DETR算法优化改进：Backbone改进 | EMO，结合 CNN 和 Transformer 的现代倒残差移动模块设计 | ICCV2023

本文独家改进：EMO助力RT-DETR，替换backbone，面向移动端的轻量化网络模型——EMO：反向残差移动块（iRMB），通过堆叠不同层级的iRMB。
AI小怪兽·2023-11-15 22:13

PP-YOLO: An Effective and Efficient Implementation of Object Detector（2020.8）

Abstract1.Introduction先介绍了一堆前人的work自己的workexpect2.RelatedWork先介绍别人的work与我们的区别3.Method3.1.ArchitectureBackboneDetectionNeckDetectionHead3.2
怎么全是重名·2023-11-14 22:12

RT-DETR算法优化改进：Backbone改进 | HGBlock完美结合PPHGNetV2 RepConv

本文独家改进：PPHGNetV2助力RT-DETRHGBlock与PPHGNetV2RepConv完美结合推荐指数：五星HGBlock_PPHGNetV2|亲测在多个数据集能够实现涨点RT-DETR魔术师专栏介绍：https://blog.csdn.net/m0_63774211/category_12497375.html✨✨✨魔改创新RT-DETR引入前沿顶会创新，助力RT-DETR基于ult
AI小怪兽·2023-11-13 20:00

RT-DETR算法优化改进：PPHGNetV2 Backbone改进 | RepConv、GhostConv优化HGBlock

本文内容：1）RT-DETR原理介绍；2）RepConv、GhostConv优化HGBlockRT-DETR改进创新专栏：http://t.csdnimg.cn/vuQTz学姐带你学习YOLOv8，从入门到创新，轻轻松松搞定科研；RT-DETR模型创新优化，涨点技巧分享，科研小助手；1.RT-DETR介绍论文：https://arxiv.org/pdf/2304.08069.pdf摘要：RT-DE
会AI的学姐·2023-11-13 19:15

yolo系列面试题

Backbone：第一层卷积由原本的6×6卷积改为3×3卷积；参考YOLOv7ELAN设计思想将C3模块换成了C2f模块，并配合调整了模块的深度。
GeekPlusA·2023-11-13 18:45

YOLOv5网络结构图

网络结构图（简易版和详细版）此图是博主的老师，杜老师的图网络框架介绍前言：YOLOv5是一种基于轻量级卷积神经网络（CNN）的目标检测算法，整体可以分为三个部分，backbone，neck，head。
clmm_·2023-11-13 05:28

论文阅读：PVT v2: Improved Baselines with Pyramid Vision Transformer

链接：https://arxiv.org/pdf/2106.13797.pdfPVTv2是在PVTv1基础上，所以先介绍PVTv1PyramidVisionTransformer:AVersatileBackboneforDensePredictionwithoutConvolutions0
shiyueyueya·2023-11-12 19:11

YOLOv5 7.0 网络结构解读

一.YOLOV5s网络结构图网络结构主要包含以下部分：1.输入端：自适应锚框计算、自适应图片缩放、Mosaic数据增强2.Backbone：CBS模块、C3模块、SPPF模块3.Neck：
nice-wyh·2023-11-12 17:44

Pytorch从零开始实战09

Pytorch从零开始实战——YOLOv5-Backbone模块实现本系列来源于365天深度学习训练营原作者K同学文章目录Pytorch从零开始实战——YOLOv5-Backbone模块实现环境准备数据集模型选择开始训练可视化模型预测总结环境准备本文基于
Liquor999·2023-11-12 12:02

YOLOv5算法进阶改进（1）— 改进数据增强方式 + 添加CBAM注意力机制

而后，为了更进一步提升检测精度，在backbone中嵌入了CBAM注意力机制模块，通过对特征通道和空间的学习，使得网络能够更好地提取到有用特征并抑制不重要特征。实验结果表明，改进后的网络在数据集
小哥谈·2023-11-12 05:51

YOLOv8-Seg改进：分割注意力系列篇 | 高效多尺度注意力 EMA | ICASSP2023

本文改进：EMA跨空间学习高效多尺度注意力引入到YOLOv8中进行二次创新，改进方法1）head层输出层结合；2）加入backbone；EMAAttention亲测在多个数据集能够实现涨点，同样适用于小目标分割
会AI的学姐·2023-11-11 19:09

YOLOv8-seg改进：复现HIC-YOLOv5，HIC-YOLOv8-seg助力小目标分割

本文改进：HIC-YOLOv8-seg：1)添加一个针对小物体的额外预测头，以提供更高分辨率的特征图2）在backbone和neck之间采用involutionblock来增加特征图的通道信息；3）在主干网末端加入
会AI的学姐·2023-11-11 19:37

backbone：从AlexNet到...（持续补充ing）

文章目录Introduction（前言知识）代码参考卷积、池化输出退化1*1卷积减少或增加通道数自然的减少计算量解决了什么问题，达到了什么样的效果AlexNet整体结构如下VGGNet网络结构如下，D、E分别代表VGG-16、VGG-19下图为VGG-16ResNet结构如下DenseNet结构如下DenseBlock——特征重用FasterNet<
怎么全是重名·2023-11-11 12:25

【目标检测系列】六、Faster R-CNN

目录参考资料第1章FasterR-CNN概述第2章Backbone2.1ResNet50网络结构2.2ResNet50代码第3章RegionProposalNetworks3.1Anchors的生成3.2Anchors
travellerss·2023-11-11 11:04

YOLOX: Exceeding YOLO Series in 2021（2021.8）

YOLOXYOLOX-DarkNet53ImplementationdetailsYOLOv3baselineDecoupledheadStrongdataaugmentationAnchor-freeMultipositivesSimOTAEnd-to-endYOLOOtherBackbonesModifiedCSPNeti
怎么全是重名·2023-11-11 02:02

DeepLabV3使用及源码讲解

Python3.6以上Pytorch1.10Ubuntu或Centos(Windows暂不支持多GPU训练)最好使用GPU训练详细环境配置见requirements.txt文件结构├──src:模型的backbone
@BangBang·2023-11-09 12:30

中国软件杯---基于百度飞桨的单/多镜头行人追踪Baseline，deepsort实现行人追踪

模型训练：PaddleDetection，PPYolo的backbone使用MobileNetV3_large和YOLOv3Head模型转换：Paddle
锦鲤AI幸运·2023-11-08 14:40

EfficientDet论文讲解

目录EfficientDet0、摘要1、整体架构1.1BackBone：EfficientNet-B01.2Neck：BiFPN特征加强提取网络1.3Head检测头1.4compoundscaling2
韩师兄_·2023-11-08 07:45

基于MMdetection的RT-DETR目标检测器的源码解析（上）

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录前言一、RT-DETR目标检测器二、源码阅读及debug过程1.下载项目2.网络结构3.目标检测器文件：rtdetr.py解析4.Backbone
CL雾岚·2023-11-07 23:41

YOLOv8改进有效涨点系列-＞多位置替换可变形卷积(DCNv1、DCNv2、DCNv3)

在本篇博文中会分别进行介绍同时进行对比，通过本文你可以学会在YOLOv8中各个位置添加可变形卷积包括(DCNv1、DCNv2、DCNv3)，可替换的位置包括->替换C2f中的卷积、DarknetBottleneck中的卷积、主干网络(Backbone
Snu77·2023-11-07 01:06

每日一词 36 backbone

Hedoesn'thaveenoughbackboneandgivesupapplyingforscholarshipatthelastminute.
euneroli·2023-11-06 11:27

MATLAB算法实战应用案例精讲-【目标检测】YOLOV5

目录算法原理【Yolov5网络结构图】YOLOv5网络结构训练策略Backbone骨干网络Neck特征金字塔Head目标检测头
林聪木·2023-11-06 05:04

DINO训练自己的数据集（swin transformer backbone）

源码：https://github.com/IDEA-Research/DINO数据集：coco格式COCODIR/├──train2017/├──val2017/└──annotations/├──instances_train2017.json└──instances_val2017.json环境配置1.下载代码gitclonehttps://github.com/IDEA-Research/
ZZZZ_Y_·2023-11-05 16:19

基于YOLOv8的交通摄像头下车辆检测算法（七）：HIC-YOLOv8复现HIC-YOLOv5，助力小目标检测，涨点明显

本文改进：HIC-YOLOv8，1)添加一个针对小物体的额外预测头，以提供更高分辨率的特征图2）在backbone和neck之间采用involutionblock来增加特征图的通道信息；3）在主干网末端加入
会AI的学姐·2023-11-05 08:28

YOLOv8改进：最新复现SOD-YOLOv8，助力小目标检测（Small Object Detection）

本文独家改进：改进点：1）backbone加入CBAM；2）backbone、neck连接处加入involution注意力；3）添加一个针对小物体的额外预测头，提升小目标检测性能；SOD-YOLOv8|
AI小怪兽·2023-11-05 08:26

Ember.js 入门指南 （二）

也有人跟我提出这样的疑问：以AngularJS，Knockout，BackBone为代表的MV*框架，它跟jQuery有什么区别？我jQuery用得好好的，有什么必要再引入这种框架？
乌洛米·2023-11-05 00:34

CSPNet

YOLOv4中的backbone使用的是CSPNET,还是得到了AlexAB大神的认可的。同时，轻量化以及神经网络表达能力一直是研究的热点，本文也是在此范畴。因此本文对其原始论文进行解读。
Bruce_0712·2023-11-04 20:28

Run, Don‘t Walk: Chasing Higher FLOPS for Faster Neural Networks（CVPR2023）

andvariantsDesignofPConvandFasterNetPreliminaryPartialconvolutionasabasicoperatorPConvfollowedbyPWConvFasterNetasageneralbackboneEx
怎么全是重名·2023-11-04 02:35

CV计算机视觉每日开源代码Paper with code速览-2023.11.1

【基础网络架构】BattleoftheBackbones:ALarge-ScaleComparisonofPretrainedModelsacrossComputerVisionTasks论文地址：https
CV51·2023-11-03 13:27

YOLOv5 - yolov5s.yaml 文件

YOLOv5网络结构主要由以下几部分组成:骨干网络(Backbone)：Backbone:骨干网络，主要指用于特征提取的，已在大型数据集(例如ImageNet|COCO等)_上完成预训练，拥有预训练参数的卷积神经网络
风筝超冷·2023-11-02 23:02

小目标检测3_注意力机制_Self-Attention

Yolov5(v6.1)添加注意力机制(一)（并附上30多种顶会Attention原理图）（文中截图多来源于上述链接）改进部分参考：YOLOAir：YOLO系列科研改进论文推荐|改进组合上千种搭配，包括Backbone
zxm_·2023-11-02 21:39
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他