Neck

【目标检测】56、目标检测超详细介绍 | Anchor-free/Anchor-based/Backbone/Neck/Label-Assignment/NMS/数据增强

文章目录1、双阶段和单阶段目标检测器1.1双阶段目标检测器1.1.1R-CNN1.1.2SPP1.1.3FastR-CNN1.1.4FasterR-CNN1.2单阶段目标检测器1.2.1YOLO系列1.2.1.1YOLOv11.2.1.2YOLOv21.2.1.3YOLOv31.2.1.4YOLOv41.2.1.5Scaled-YOLOv41.2.1.6YOLOv51.2.1.7YOLOv61.2
呆呆的猫·2022-10-28 07:15

改进YOLOv5系列：16.添加SKAttention注意力机制

本项目包含大量的改进方式,降低改进难度,改进点包含【Backbone特征主干】、【Neck特征融合】、【Head检测头】、【注意力机制】、【IoU损失函数】、【NMS】、【Loss计算方式】、【自注意力机制
芒果汁没有芒果·2022-10-26 12:20

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
芒果汁没有芒果·2022-10-26 12:20

改进YOLOv5系列：14.添加S2-MLPv2注意力机制

本项目包含大量的改进方式,降低改进难度,改进点包含【Backbone特征主干】、【Neck特征融合】、【Head检测头】、【注意力机制】、【IoU损失函数】、【NMS】、【Loss计算方式】、【自注意力机制
芒果汁没有芒果·2022-10-26 12:19

改进YOLOv5系列：13.添加CrissCrossAttention注意力机制

本项目包含大量的改进方式,降低改进难度,改进点包含【Backbone特征主干】、【Neck特征融合】、【Head检测头】、【注意力机制】、【IoU损失函数】、【NMS】、【Loss计算方式】、【自注意力机制
芒果汁没有芒果·2022-10-26 12:49

改进YOLOv5系列：增加Swin-Transformer小目标检测头

本项目包含大量的改进方式,降低改进难度,改进点包含【Backbone特征主干】、【Neck特征融合】、【Head检测头】、【注意力机制】、【IoU损失函数】、【NMS】、【Loss计算方式】、【自注意力机制
芒果汁没有芒果·2022-10-26 12:48

改进YOLOv7系列：结合Adaptively Spatial Feature Fusion自适应空间特征融合结构，提高特征尺度不变性

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
芒果汁没有芒果·2022-10-24 08:53

最新｜全新风格的YOLOv5和YOLOv7网络结构解析图

YOLOv7网络结构图文章目录YOLOv5网络结构图YOLOv7网络结构图YOLOv5网络配置YOLOv7网络配置YOLOv5网络结构图YOLOv5结构:Backbone:NewCSP-Darknet53Neck
芒果汁没有芒果·2022-10-24 08:20

【YOLOV4】FPN+PAN结构

yolo4的neck结构采用该模式，我们将Neck部分用立体图画出来，更直观的看下两部分之间是如何通过FPN结构融合的。
mjiansun·2022-10-22 09:42

【MMDetection 源码解读之yolov3】Neck - FPN

目录前言一、FPN总结前言这部分接着前一篇文章【MMDetection源码解读yolov3】Backbone-Darknet53继续往后讲。搭建完了主干特征提取模块，接着就是搭建yolov3的特征融合模块，这部分yolov3使用的是FPN（特征金字塔）的这样一个Up-bottom的结构，能够在增加较少计算量的前提下融合低分辨率语义信息较强的特征图和高分辨率语义信息较弱但空间信息丰富的特征图。下面图
满船清梦压星河HK·2022-10-22 09:09

改进YOLOv5 | Stand-Alone Self-Attention | 针对视觉任务的独立自注意力层 | 搭建纯注意力FPN+PAN结构

改进YOLOv5|Stand-AloneSelf-Attention|搭建纯注意力Neck结构论文地址：https://arxiv.org/abs/1906.05909卷积是现代计算机视觉系统的一个基本构建模块
迪菲赫尔曼·2022-10-22 09:05

改进YOLOv7系列：最新结合BoTNet Transformer结构，一种简单却功能强大的backbone，自注意力提高模型性能

本项目包含大量的改进方式,降低改进难度,改进点包含【Backbone特征主干】、【Neck特征融合】、【Head检测头】、【注意力机制】、【IoU损失函数】、【NMS】、【Loss计算方式】、【自注意力机制
芒果汁没有芒果·2022-10-20 23:39

YOLO系列全面解析｜YOLOv 1234567X模型全系列大解析（Neck篇）

近年来YOLO系列层出不穷，更新不断，已经到v7版本。不能简单用版本高低来评判一个系列的效果好坏，YOLOv1-v7不同版本各有特色，在不同场景，不同上下游环境，不同资源支持的情况下，如何从容选择使用哪个版本，甚至使用哪个特定部分，都需要我们对YOLOv1-v7有一个全面的认识。YOLO系列每个版本都表示成下图中的五个部分，逐一进行解析，并将每个部分带入业务侧，竞赛侧，研究侧进行延伸思考，探索更多
芒果汁没有芒果·2022-10-20 23:38

改进YOLOv7系列：首发结合CotNet Transformer结构，指导动态注意力矩阵的学习，增强视觉表示能力。

本项目包含大量的改进方式,降低改进难度,改进点包含【Backbone特征主干】、【Neck特征融合】、【Head检测头】、【注意力机制】、【IoU损失函数】、【NMS】、【Loss计算方式】、【自注意力机制
芒果汁没有芒果·2022-10-20 23:38

改进YOLOv5系列：首发结合最新Extended efficient Layer Aggregation Networks结构，高效的聚合网络设计，提升性能

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
芒果汁没有芒果·2022-10-20 23:37

目标检测算法——YOLOv5改进|增加小目标检测层

YOLOv5代码修改————针对微小目标检测1.YOLOv5算法简介YOLOv5主要由输入端、Backone、Neck以及Prediction四部分组成。
加勒比海带66·2022-10-19 11:26

YOLOV5改进||YOLOV5+GSConv+Slim Neck

并且，提供了一种设计范式，Slim-Neck，以实现检测器更高的计算成本效益。在实验中，与原始网络相比，本文方法获得了最先进的结果。
安理工史策真帅啊·2022-10-16 12:00

改进YOLOv5 | GSConv+Slim-neck 减轻模型的复杂度同时提升精度 | 附4套改进方式模板

改进YOLOv5|GSConv+Slim-neck减轻模型的复杂度同时提升精度|附4套改进方式模板论文地址：https://arxiv.org/abs/2206.02424代码地址：https://github.com
迪菲赫尔曼·2022-10-16 12:28

改进YOLOv7系列：21.添加ShuffleAttention注意力机制

本项目包含大量的改进方式,降低改进难度,改进点包含【Backbone特征主干】、【Neck特征融合】、【Head检测头】、【注意力机制】、【IoU损失函数】、【NMS】、【Loss计算方式】、【自注意力机制
芒果汁没有芒果·2022-10-15 08:42

改进YOLOv7系列：最新结合DO-DConv卷积、Slim范式提高性能涨点，打造高性能检测器

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
芒果汁没有芒果·2022-10-15 07:16

改进YOLOv5系列：首发结合最新CSPNeXt主干结构(适用YOLOv7)，高性能，低延时的单阶段目标检测器主干，通过COCO数据集验证高效涨点

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YOLOv5
芒果汁没有芒果·2022-10-15 07:36

FPN+PAN结构学习

转自：https://blog.csdn.net/qq_35054151/article/details/111461066yolo4的neck结构采用该模式，我们将Neck部分用立体图画出来，更直观的看下两部分之间是如何通过
haima1998·2022-10-12 22:58

YOLO 图文入门 04 v4 PAN，SAM（含代码+原文）

文章目录前言背景一、网络结构1.1Backbone（骨干）DenseBlock&DenseNet1.2Neck（颈）多尺度特征金字塔PANetSAMSPPNet二、YOLOv4的改进方法2.1带上SPPNet2.2
湘粤Ian·2022-10-12 22:51

改进YOLOv7系列：24.添加SimAM注意力机制

本项目包含大量的改进方式,降低改进难度,改进点包含【Backbone特征主干】、【Neck特征融合】、【Head检测头】、【注意力机制】、【IoU损失函数】、【NMS】、【Loss计算方式】、【自注意力机制
芒果汁没有芒果·2022-10-12 07:55

改进YOLOv5系列：17.添加NAMAttention注意力机制

本项目包含大量的改进方式,降低改进难度,改进点包含【Backbone特征主干】、【Neck特征融合】、【Head检测头】、【注意力机制】、【IoU损失函数】、【NMS】、【Loss计算方式】、【自注意力机制
芒果汁没有芒果·2022-10-12 07:25

改进YOLOv5系列：12.添加ShuffleAttention注意力机制

本项目包含大量的改进方式,降低改进难度,改进点包含【Backbone特征主干】、【Neck特征融合】、【Head检测头】、【注意力机制】、【IoU损失函数】、【NMS】、【Loss计算方式】、【自注意力机制
芒果汁没有芒果·2022-10-12 07:24

改进YOLOv7系列：首发结合最新Transformer视觉模型MOAT结构：交替移动卷积和注意力带来强大的Transformer视觉模型，超强的提升

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为首发基于
芒果汁没有芒果·2022-10-12 07:35

YoloV5+GSConv+TensorRT:基于YoloV5GSConv的TensorRT+ONNX部署

并且，提供了一种设计范式，Slim-Neck，以实现检测器更高的计算成本效益。在实验中，与原始网络相比，本文方法获得了最先进的
汤姆&·2022-10-11 07:20

改进Yolov5 | 用 GSConv+Slim Neck 一步步把 Yolov5 提升到极致！！！

并且，提供了一种设计范式，Slim-Neck，以实现检测器更高的计算成本效益。在实验中，与原始网络相比，本文方法获得了最先进的
人工智能与算法学习·2022-10-11 07:43

#今日论文推荐#改进Yolov5 | 用 GSConv+Slim Neck 一步步把 Yolov5 提升到极致

#今日论文推荐#改进Yolov5|用GSConv+SlimNeck一步步把Yolov5提升到极致目标检测是计算机视觉中一项艰巨的下游任务。对于车载边缘计算平台，大模型很难达到实时检测的要求。而且，由大量深度可分离卷积层构建的轻量级模型无法达到足够的准确性。因此本文引入了一种新方法GSConv来减轻模型的复杂度并保持准确性。GSConv可以更好地平衡模型的准确性和速度。并且，提供了一种设计范式，Sl
wwwsxn·2022-10-11 07:23

YOLOv5改进之YOLOv5+GSConv+Slim Neck

Abetterdesignparadigmofdetectorarchitecturesforautonomousvehicles论文：https://arxiv.org/abs/2206.02424代码：https://github.com/AlanLi1997/Slim-neck-by-GSConv
有温度的AI·2022-10-11 07:07

YoloV5+GSConv：基于YoloV5GSConv得小目标检测算法训练

并且，提供了一种设计范式，Slim-Neck，以实现检测器更高的计算成本效益。在实验中，与原始网络相比，本文方法获得了最先进的
汤姆&·2022-10-11 07:31

改进YOLOv7系列：首发结合最新Centralized Feature Pyramid集中特征金字塔，通过COCO数据集验证强势涨点

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YOLOv7
芒果汁没有芒果·2022-10-10 07:08

改进YOLOv5、YOLOv7、v7-Tiny系列：首发结合 RepLKNet 构建 最新 RepLKDeXt 结构｜CVPR2022 超大卷积核, 越大越暴力,大到31x31, 涨点高效

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。
芒果汁没有芒果·2022-10-08 07:29

Yolo系列目标检测算法知识点总结

下面是YoloV4论文中给出的目标检测算法的整体架构：主要包含以下几个部分：输入层用来处理输入数据，如数据增强Backbone主干网络用来提取特征Neck层用来做多尺度特征融合，提升特征的表达能力，如SPP
胖胖大海·2022-10-07 07:27

OpenMMLab之Registry机制

Registry注册器来管理具有相似功能的不同模块，例如检测网络中的backbone、head和neck。
NuerNuer·2022-10-04 07:20

【毕业设计】手势识别检测系统 - python opencv yolo cnn 机器视觉

1课题背景2卷积神经网络2.1卷积层2.2池化层2.3激活函数2.4全连接层2.5使用tensorflow中keras模块实现卷积神经网络3YOLOV53.1网络架构图3.2输入端3.3基准网络3.4Neck
Mr_DC_IT·2022-10-02 07:40

YOLOV4 名词总结

残差网络ResNet残差连接residual-connections感受野one-stage与two-stageanchorGroundtruth（真实值）FPN数据预处理onehot编码Backbone、Neck
我只是爱吃苹果·2022-09-30 07:58

YOLOV4学习笔记

脖子部分（Neck）:SPP,PAN,FPN等增强特征的网络。检测头：分为回归框和分类类别等（其中有耦合和非耦合（Yolox中使用的））2.2免费菜：1.数据增强：目的是增加输入
一名不想学习的学渣·2022-09-30 07:28

YOLOv5学习总结

CSDN博客_yolov5YOLOv5学习总结训练效果（持续更新）前言网络结构可视化yolov3yolov4yolov5核心基础内容Mosaic数据增强自适应锚框计算自适应图片缩放Focus结构CSP结构neck
Replete·2022-09-30 07:25

改进YOLOv7系列：25.YOLOv7 加入RepVGG模型结构，重参数化 极简架构

本项目包含大量的改进方式,降低改进难度,改进点包含Backbone、Neck、Head、注意力机制、IoU损失函数、NMS、Loss计算方式、自注意力机制、数据增强部分、激活函数等部分，详情可以关注YOLOAir
芒果汁没有芒果·2022-09-30 07:46

目标检测 YOLOv5网络v6 0版本总结

版本总结YOLOv5对比YOLOv4输入端:在模型训练阶段，提出了Mosaic数据增强、自适应锚框计算、自适应图片缩放等；Backbone网络：融合其它检测算法的新思路，主要有：Focus结构与CSP结构；Neck
BigCabbageFy·2022-09-30 07:06

基于Paddle的计算机视觉入门教程——第11讲 目标检测YOLOv3-neck、head

B站教程地址https://www.bilibili.com/video/BV18b4y1J7a6/YOLOv3整体结构Neck整体结构YOLOv3的neck部分使用的是FPN，这一部分也叫特征金字塔，
一笑奈何LHY·2022-09-28 09:18

【目标检测-YOLO】YOLO v4 更多细节（第三篇）

对于目标检测任务，分为Backbone,Neck,Head部分。其中Backbone常在ImageNet上进行图像分类的预训练，然后目标检测架构中的Backbone即预训练好的去掉分类层的网络。
理心炼丹·2022-09-27 07:39

python仿真Guitar factory

有两个容器：Wood和Electronic，这些容器数量为N，即各有N个木材和电子配件可以用来加工从Wood中取出一个木材转化成一个Body并存储在Bodystorage中，从Wood中取出一个木材转化成2个Neck
bujbujbiu·2022-09-21 17:53

YOLOv5改进系列之增加小目标检测层

YOLOv5代码修改————针对微小目标检测1.YOLOv5算法简介YOLOv5主要由输入端、Backone、Neck以及Prediction四部分组成。
·2022-09-14 18:59

改进YOLOv5系列：29.YOLOv5 结合 极简又强大的RepVGG 重参数化模型结构

本项目包含大量的改进方式,降低改进难度,改进点包含Backbone、Neck、Head、注意力机制、IoU损失函数、NMS、Loss计算方式、自注意力机制、数据增强部分、激活函数等部分，详情可以关注YOLOAir
芒果汁没有芒果·2022-09-12 07:39

改进YOLOv7系列：28.YOLOv7 结合 Swin Transformer V2结构，Swin Transformer V2：通向视觉大模型之路

本项目包含大量的改进方式,降低改进难度,改进点包含Backbone、Neck、Head、注意力机制、IoU损失函数、NMS、Loss计算方式、自注意力机制、数据增强部分、激活函数等部分，详情可以关注YOLOAir
芒果汁没有芒果·2022-09-12 07:38

改进YOLOv5系列：27.YOLOv5 结合 Swin Transformer V2结构，Swin Transformer V2：通向视觉大模型之路

本项目包含大量的改进方式,降低改进难度,改进点包含Backbone、Neck、Head、注意力机制、IoU损失函数、NMS、Loss计算方式、自注意力机制、数据增强部分、激活函数等部分，详情可以关注YOLOAir
芒果汁没有芒果·2022-09-12 07:08

改进YOLOv7系列：26.CVPR2022. ConvNeXt结合YOLOv7 | 基于ConvNeXt结构 构建 CNeB 模块

本项目包含大量的改进方式,降低改进难度,改进点包含【Backbone特征主干】、【Neck特征融合】、【Head检测头】、【注意力机制】、【IoU损失函数】、【NMS】、【Loss计算方式】、【自注意力机制
芒果汁没有芒果·2022-09-12 07:08
上一页 4 5 6 7 8 9 10 11 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他