neck

mmlab花朵分类结果展示（1）

花朵102分类结果展示测试DEMO效果测试评估模型效果修改网络参数1.mmcls模型位置2.修改neck3.修改损失函数4.增补图像增强修改配置文件参数数据增强流程可视化展示上一节给大家介绍了如何使用mmlab
有理想的打工人·2022-11-20 02:44

Deeplabcut常见问题汇总

config.yaml文件中的skeleton中一个部位连接了两条线，这里是不能这样简写的，只能一条一条的写，像这样：skeleton：--nose-left_jaw--nose-right_jaw--neck-le
小响尾蛇·2022-11-19 14:56

YOLOv5-v6.0学习笔记

1.1Backbone1.1.1Conv模块1.1.2Focus模块1.1.3CSPDarkNet531.1.3.1CSPNet1.1.3.2Bottleneck模块1.1.3.3C3模块1.1.4SPPF模块1.2Neck1.2.1FPN1.2.2PANet1.3Head2
奔跑的chanchanchan·2022-11-19 08:14

MMLAB学习-MMCLS项目-修改配置文件和可视化

在配置文件中我们也可以修改配置为自己想要的结果修改neck自己重写一个损失函数#仿照其他损失函数导入进来importtorchimporttorch.nnasnnfrom..builderimportLOSSESfrom.utilsimportweighted_loss
dzm1204·2022-11-19 07:24

YOLOv5网络详解

原视频链接YOLOv5网络详解_哔哩哔哩_bilibili网络结构网络结构：Backbone:NewCSP-Darknet53Neck:SPPF,NewCSP-PANHead:YOLOv3Head将Focus
Dragon_0010·2022-11-19 03:25

YOLOv4网络详解

哔哩哔哩_bilibiliYOLOv4:OptimalSpeedandAccuracyofObjectDetection(目标检测得最佳速度和精度)网络结构：Backbone:CSPDarknet53Neck
Dragon_0010·2022-11-19 03:55

yolov5激活函数和损失函数改进

目录漏斗激活（FReLU）box损失函数改为EIOU从输入端、主干特征提取网络（backbone）、特征融合网络（neck）、检测头等四个方面进行改进，从改进的方法包括添加注意力机制、损失函数改进、改变网络结构
AI小丸子·2022-11-16 07:44

行为识别 - Temporal Pyramid Network for Action Recognition

效果如何4.还存在什么问题0.前言相关资料：arxivgithub论文解读论文基本信息领域：行为识别作者单位：港中文&商汤发表时间：CVPR2020一句话介绍：在普通行为识别网络中添加一个类似于FPN的neck
清欢守护者·2022-11-15 13:12

改进YOLOv7系列：首发最新结合Global Context Modeling结构(附YOLOv5改进)，目标检测高效涨点

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基于
芒果汁没有芒果·2022-11-13 10:14

改进YOLOv7系列：YOLOv7_最新MobileOne重参数化结构，苹果最新移动端高效Backbone主干网络模型，超轻量型架构

本博客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·2022-11-12 09:51

目标检测Neck总结

特征金字塔  特征金字塔是目前用于目标检测、语义分割、行为识别等方面比较重要的一个部分，对于提高模型性能具有非常好的表现，因为视觉任务中存在不同尺寸的物体，而cnn特征提取层级化结构的特点，因此需要在不同level层检测不同尺寸大小的物体。特征金字塔具有在不同尺度下有不同分辨率的特点，不同大小的目标都可以在相应的尺度下拥有合适的特征表示，通过融合多尺度信息，在不同尺度下对不同大小的目标进行预测，从
liiiiiiiiiiiiike·2022-11-10 07:12

目标检测算法实现（八）——YOLOV5学习笔记

网络结构图+v5性能对比2.v5的改进和优势2.1输入端2.1.1Mosaic数据增强2.1.2自适应锚框计算2.1.3自适应图片缩放2.2Backbone2.2.1Focus结构2.2.2CSP结构2.3Neck2.4
是刺猬吖·2022-11-08 19:54

改进YOLOv5、YOLOv7系列：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, 新范式高效涨点

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基于
芒果汁没有芒果·2022-11-08 19:23

【目标检测】YOLOV5详解

上图即Yolov5的网络结构图，可以看出，还是分为输入端、Backbone、Neck、Prediction四个部分。（1）输入端：Mosa
Aliert·2022-11-08 19:53

YOLOv5的Neck端设计

YOLOv5的Neck端设计在上一篇《YOLOv5的Backbone设计》中，我们从yolov5的backbone配置文件出发，细致讲解了backbone的网络架构及各模块的源码和结构，对骨架网络有了较为全面的初步认知
Marlowee·2022-11-07 21:45

YOLOv5的head详解

YOLOv5的head详解在前两篇文章中我们对YOLO的backbone和neck进行了详尽的解读，如果有小伙伴没看这里贴一下传送门：YOLOv5的Backbone设计YOLOv5的Neck端设计在这篇文章中
Marlowee·2022-11-07 21:45

【毕业设计】交通车辆流量分析系统（目标检测与跟踪） - python opencv 深度学习

文章目录0前言1课题背景2实现效果3DeepSORT车辆跟踪3.1DeepSORT多目标跟踪算法3.2算法流程4YOLOV5算法4.1网络架构图4.2输入端4.3基准网络4.4Neck网络4.5Head
Mr_DC_IT·2022-11-04 09:47

改进YOLOv5系列：18.添加SOCA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·2022-10-31 07:37

改进YOLOv7系列：23.YOLOv7添加CBAM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·2022-10-31 07:37

改进YOLOv7系列： 最新结合用于小目标的新CNN卷积构建块

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·2022-10-31 07:03

yolov5原理

目录1网络结构1.1整体网络结构参考1.2backboneC3结构1.3Neck1.3.1SPPF1.3.2带C3结构的FPN-PAN1.4Head1网络结构1.1整体网络结构参考yolov56.0版本参考
xd_MrCheng·2022-10-30 07:22

道路车流监测（2）：目标检测模型解释

================Mosaic数据增强自适应锚框计算自适应图片缩放基准网络============================================Focus结构CSP结构Neck
dp白·2022-10-28 15:32

【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
上一页 4 5 6 7 8 9 10 11 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他