neck

论文（四）YOLOv4解读及一些思考

3.主干网络采用mish：4.Dropblock5.SPP模块（neck）6.FPN+PAN（neck）7.Prediction创新（1）CIOU_loss（2）DIOU_nms8.YoloV4相关代码
weixin_40227656·2023-02-25 21:06

YOLOX训练、测试、部署（python,C++）与改进

Yolox模型架构模型结构由backbonex、neck、head组成backbone:CSPDarknet53neck:PAFPNhead:DecoupledHead、AnchorFree、SimOTA1
Walker@Bruce Lee·2023-02-25 21:05

yolo_v4模型解析（head部分）

1.backbone部分2.neck部分3.head部分最关键的部分来了～～～ok，上代码，基本每一句都已经注释完毕：importtorch.nnasnnimporttorch.nn.functionalasFimporttorchimportnumpyasnp
A1chemist·2023-02-25 07:58

自动驾驶：BEVDet

如下图：这个框架分为四部分：Image-view-Encoder（Backbone+neck）。ViewTransforme
HanZee·2023-02-20 07:22

论文解读: PP-YOLOE: An evolved version of YOLO

pdf发表时间：2022PP-YOLOE基于PP-YOLOv2改进实现，其中PP-YOLOv2的整体架构包含了具有可变形卷积的ResNet50-vd的主干，使用带有SPP层和DropBlock的PAN做neck
万里鹏程转瞬至·2023-02-07 12:32

From head to toe1(从头到脚)

1.head头（turnmybead转头）2.neck脖子（bendmyneck弯脖子）3.shoulder肩膀（raisemyshoulder耸肩膀）4.arm手臂（waremyarms摆胳膊）5.hand
酱醋茶七七·2023-02-05 16:09

超越YOLOv8 | YOLOv6 v3.0为迎兔年重磅升级

https://arxiv.org/pdf/2301.05586.pdfhttps://github.com/meituan/YOLOv6YOLOv6v3.0的主要贡献简述如下：对检测器的Neck部件进行了翻新
AiCharm·2023-02-04 09:14

yolo5简介说明

对于一个目标检测算法而言，我们通常可以将其划分为4个通用的模块，具体包括：输入端、基准网络、Neck网络与Head输出端，对应于上
Dimon涛·2023-02-03 23:09

改进YOLOv7系列：当YOLO遇见ACmix结构，自注意力和卷积集成，Self-Attention和Convolution的融合，性能高效涨点

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·2023-02-03 07:40

PP-YOLOE详解

该检测器的设计机制包括：Anchorfree机制可扩展的backbone和neck，由CSPRepResStage(CSPNet
秋水 墨色·2023-02-02 13:18

mobilenetv2-yolov3修改backbon的多尺度

原始mobilenetv2-yolov3的out_indices=[2,4,6]neck=dict(type='YOLOV3Neck',num_scales=3,in_channels=[320,96,32
未起飞的菜鸟·2023-02-01 14:36

light_openpose代码

关键点识别推荐可以看一下这个视频1.数据读取读取coco关键点数据coco.py注意原本关键点是17个，在datasets.transformationsimportConvertKeypoints中重新生成了一个Neck
微凉code·2023-02-01 13:18

yolov5代码及原理详解

yolov5代码及原理解析一、代码及原理解析1、输入端(1)letterbox(2)Mosaic增强(3)anchor1）关闭时2）开启时2、Backbone（1）Focus结构（2）CSP（3）SPP3、Neck4
Joe5678·2023-02-01 11:47

yolo结构介绍

有一些细节的差别比如Backbone部分Focus倍替换成6*6的Conv，bottleneckCSP替换为C3，Neck部分SPP被替换成SPPF等Releasev1.0·ultralytics/yolov5
坠金·2023-01-27 11:12

YOLOv5

YOLO系列（五）——YOLOv5文章目录YOLO系列（五）——YOLOv5前言一、Input（1）自适应锚框计算（2）自适应图片缩放二、Backbone（1）Focus（2）CSP1_X三、Neck（
Fred_27·2023-01-26 09:20

SiamBAN 前向推理的大致记录

目录1.backbone结构2.neck结构3.head结构4.模板输入z的变化（1）原始输入z（2）经过backbone后的特征（3）经过neck后的特征5.搜索区域x的变化（1）原始输入x（2）经过
匿名的魔术师·2023-01-25 12:40

mmclassification注意事项-修改、增加模块，测试时参数说明

测试时参数说明test.py3.修改、增加模块3.1配置文件D:\Code\mmclassification\configs\resnet\GWF_resnet18_8xb32_in1k.py中（1）neck
黛玛日孜·2023-01-22 18:04

比YOLOv8还要强的YOLOv6 v3.0

：https://arxiv.org/pdf/2301.05586.pdf开源地址：https://github.com/meituan/YOLOv6YOLOv6v3.0的主要贡献简述如下：对检测器的Neck
鹏の博客·2023-01-20 02:41

YOLOv5 引入 最新 BiFusion Neck | 附详细结构图

YOLO社区自前两次发布以来一直情绪高涨！随着中国农历新年2023兔年的到来，美团对YOLOv6进行了许多新的网络架构和训练方案改进。此版本标识为YOLOv6v3.0。对于性能，YOLOv6-N在COCO数据集上的AP为37.5%，通过NVIDIATeslaT4GPU测试的吞吐量为1187FPS。YOLOv6-S以484FPS的速度得到了超过45.0%的AP，超过了相同规模的其他主流检测器（YOL
迪菲赫尔曼·2023-01-19 12:06

RetinaNet解读网络理解

摘要1，引言2，相关工作3，网络架构3.1，Backbone3.2，Neck3.3，Head4，FocalLoss4.1，CrossEntropy4.2，BalancedCrossEntropy4.3，
qq_1041357701·2023-01-19 10:58

何凯明新作ViTDET：目标检测领域，颠覆分层backbone理念

：https://arxiv.org/abs/2203.16527【开源代码】：Codewillbemadeavailable.目标检测任务受益于独立通用的backbone和专门为检测任务设计的模块（neck
pontoon·2023-01-18 20:39

DSAN代码:Deep Subdomain Adaptation Network forImage Classification

DSAN.pyimporttorchimporttorch.nnasnnimportResNetimportlmmdclassDSAN(nn.Module):def__init__(self,num_classes=31,bottle_neck
学好迁移Learning·2023-01-17 17:43

MMdetection记录

官方有原文https://zhuanlan.zhihu.com/p/337375549我只提取我在意的模块详解一个batch进来之后到backbone，例如ResNet输出的单尺度或者多尺度特征图然后到neck
菜鸟中的菜中菜·2023-01-17 16:05

改进YOLOv7系列：结合丰富的梯度流信息模块，来自YOLOv8的核心模块

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·2023-01-17 08:18

YOLOv5、v6、v7、x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·2023-01-17 08:47

自动驾驶多任务模型设计思路的简介

，3、每个任务的neck和head单独更新梯度和权重，backbone一次batch只更新一次梯度和权重。
csuzhaoqinghui·2023-01-16 21:02

pytorch 34 mmdetection配置文件中指定backbone与neck

探索在mmdetection中可用的backbone与neck，尝试自由组合backbone与neck，实现更为丰富的模型。
万里鹏程转瞬至·2023-01-14 19:55

【竞赛】竞赛的常见思路和方案——目标检测

采样环境标注框和感受野的设置，rpn中anchorratio，大目标和小目标考虑训练集和测试集的分布数据集的划分直接比列分层抽样，考虑类别的分布domain，根据数据集的分布，两个不同的年代k折划分2模型backbone，Neck
Deepsdu·2023-01-14 11:43

对yolox框架进行自定义改进时遇到的问题及解决记录

------------2022.07.16更新yolox训练过程中验证集评估时出现KeyError错误的分析及解决办法-------2022.07.28更新yolox如何自定义从backbone传入neck
WentingDu·2023-01-13 17:36

MMDetection理解

MMDetection理解1.Model整体构建流程和思想1.1训练核心组件1.1.1Backbone1.1.2Neck1.1.3Head1.1.4Enhance1.1.5BBoxAssigner1.1.6BBoxSampler1.1.7BBoxEncoder1.1.8Loss1.1.9Trainingtricks2
Arrow·2023-01-13 00:30

YOLOv6 Pro | YOLOv6网络魔改 (1) ——RepGFPN融合高效聚合网络(ELAN)和重参数化的目标检测Neck（来自DAMO-YOLO）

ICLR2022发表的论文《GiraffeDet:AHeavy-NeckParadigmforObjectDetection》中，他们提出了GiraffeDet，它具有极轻量级计算量的backbone和大计算量的neck
羊羊了个杨·2023-01-11 20:57

目标检测小结

除了从backbone，neck，head，loss以及数据预处理上理解整个架构，还要从最核心的正负样本定义，匹配上理解，这块分两部分，一是anchor-based的，一是anchor-free方法。
Kun Li·2023-01-11 13:54

目标检测论文阅读：GiraffeDet算法笔记

id=cBu4ElJfneV相比于其它文章对于neck的改进，这篇文章还指出目标检测中backbone并没有neck重要这一点。
Convolution@·2023-01-11 11:04

【论文笔记】PP-YOLOE: An evolved version of YOLO

PP-YOLOE简介改进1.针对泛化性1）可变卷积（deformableconvolution）2)MatrixNMS2.Anchor-free3.骨干网络和Neck1）RepResBlock2）跨阶段部分连接
事多做话少说·2023-01-10 14:21

YoloV5+DAMOYOLO:将DAMOYOLO中的GFPN结构与Yolov5结合

damoYolo的训练教程，同时也对自己的数据集进行了训练，虽然效果确实不是很好，但是damoyolo的一些思想和网络结构啥的还是可以借鉴使用的，此次将damoyolo的RepGFPN结构掏出来放到v5的NECK
Mrs.Q粉红猫·2023-01-09 20:19

Yolo v4的学习

目录一、Yolov4的structure1、Backbone：CSPDarknet532、Neck：SPP、PANet2.1、SPP：2.2、PANet：3、Prediction：Yolov3Head二
kiwi_hhh·2023-01-09 08:19

pp-picodet从环境配置到部署全流程（1）——pp-picodet的优势所在

文章目录1.网络结构1.1Backbone1.2Neck1.3Head2.优势总结2.1更快速度2.2更高精度2.3更小体积2.4更易部署  目标检测广泛应用于众多计算机视觉任务，包括自动驾驶、机器人视觉
机器人涮火锅·2023-01-06 20:53

检测器backbone和neck哪个更重要，达摩院新作有不一样的答案

论文名称《GIRAFFEDET：一种heavy-neck的物体检测新范式》论文地址：https://arxiv.org/pdf/2202.04256.pdf摘要在传统的目标检测框架中，模型从骨干提取深层潜在特征
pogg_·2023-01-04 18:08

【mmdetection源码阅读二】configs下的retinanet_r101_fpn_1x.py

2neck：骨干和头部之间的组件,例如FPN,PAFPN。3head：用于特定任务的组件,例如bbox预测和掩码预测。4roi提取器：用于从要素图(例如RoIAlign)中提取RoI要素的部分。
qq_29750461·2023-01-04 18:31

mmdetection2.17自定义模型及修改子模块

neck:是backbones和heads模块的中间部分,比如：FPN,HRFPN,NASFCOSFPN等。head:用于特定任务的模块，比如：bboxprediction和ma
@会飞的毛毛虫·2023-01-04 18:31

【夜深人静读MM】MMdetection框架之Neck中的FPN解读

当前MM版本为2.23.0以faster_rcnn_r50_fpn.py文件为例neck=dict(type='FPN',in_channels=[256,512,1024,2048],#一般使用resnet50
gorgeous_wxd·2023-01-04 18:29

深度学习笔记-自适应选择感受野

看上去不难理解，但是仔细想想，大多的网络模型，他的BankBone和Neck和Prediction三个网络组成了神经网络，作为特征提取，卷积核是关键因素，卷积核都是固定设置的，那么如何做到对于输入的特征图
勇敢牛牛@·2023-01-04 10:39

PicoDet论文译读笔记

本文增强了主干网络的结构；设计了neck部分的轻量型结构，此结果可以提
songyuc·2023-01-04 08:25

【目标检测】|yolov6 结构代码分析

yolov6s整体：model/yolo.pyModel:classModel(nn.Module):def__init__():self.backbone,self.neck,self.detect=
rrr2·2023-01-03 09:33

详解HRNet姿态估计算法

文章目录前言HRNet理论HRNet结构细节Backbone设计BasicBlock设计Bottleneck设计FuseLayer设计TransitionLayer设计Neck设计整体代码设计实验Reference
小Aer·2023-01-03 07:47

mmdetection从入门到精通（三）－框架整体结构和源码解读

目录1mmdetection模型组件详解1.1目标检测算法分类1.2model组建和流程1.3整体各个组件模块(1)backbone：(2)neck：(3)head：(4)plugins(enhance
熊猫小妖·2023-01-03 06:51

yolov5+pyqt目标检测系统

下图是yolov5的网络结构图主要分为输入端、Backbone、Neck、Prediction四个部分。
一晌Leo·2022-12-31 17:40

一阶段目标检测网络-RetinaNet详解

摘要1，引言2，相关工作3，网络架构3.1，Backbone3.2，Neck3.3，Head4，FocalLoss4.1，CrossEntropy4.2，BalancedCrossEntropy4.3，
嵌入式视觉·2022-12-31 08:45

YOLOv5 自学笔记（持续更新）

目录1YOLOv5五种网络模型1.1YOLOv5网络结构图1.2两个版本的区别2YOLOv5-6.x版本核心基础内容2.1输入端2.2Backbone2.2.1四种结构的参数2.2.2网络深度2.2.3Neck2.2.4
王和秦·2022-12-30 11:35

MMdetection框架速成系列 第02部分：整体算法流程+模型搭建流程+detection训练与测试核心组件+训练部分与测试部分的核心算法

MMdetection框架速成系列第02部分1MMDetection是什么1.1模型分类2.整体算法流程3detection训练核心组件3.1Backbone3.2Neck3.3Head3.4Enhance3.5BBoxAssigner3.9BBoxSampler3.10BBoxEncoder3.11Loss3.12Trainingtricks4detection
LiBiGo·2022-12-30 08:49
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他