neck

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

改进YOLOv7系列：22.最新HorNet结合YOLOv7应用！ | 多种搭配，即插即用 | Backbone主干、递归门控卷积的高效高阶空间交互

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

改进YOLOv5系列：11.ConvNeXt结合YOLO | CVPR2022 多种搭配，即插即用 | Backbone主干CNN模型

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 07:07

YOLOX-PAI 详细解读（一）论文解读

二、论文解读0、摘要1、简介2、方法2.1、Backbone2.2、neck2.3、head2.4、PAI-Blade2.5、EasyCVPredictor3、实验3.1、SOTA对比3.2、消融研究3.3
楚楚小甜心·2022-09-12 07:36

检测分割算法改进(篇五) 引入Swin Transformer做检测网络Backbone

检测算法通常包括Backbone、Neck、Head等结构，屠榜的SwinTransformer当然也是可以被作为Backbone的，如下图所示：在撸代码之前，需要对Swin-Transformer的各个模块有清晰的了解
@会飞的毛毛虫·2022-09-04 08:14

改进YOLOv5系列：15.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·2022-09-04 08:42

改进YOLOv5系列：20.添加GAMAttention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·2022-08-28 07:16

改进YOLOv5系列：19.添加SEAttention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·2022-08-28 07:46

改进YOLOv5系列：21.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·2022-08-28 07:45

YOLOAir

该项目包含大量的改进方式，并能降低改进难度，改进点包含Backbone、Neck、Head、注意力机制、IoU损失函
tt姐·2022-08-24 21:59

tensorflow2实现YOLOv6交通标志检测

2.YOLOv6网络结构如上图是YOLOv6的整体网络结构，主要由三个部分组成Backbone、Neck还有Head部分组成。其流程为：先对输入的图片预处理，处理
Haohao+++·2022-08-22 10:24

改进YOLOv5系列：10.最新HorNet结合YOLO应用首发！ | ECCV2022出品，多种搭配，即插即用 | Backbone主干、递归门控卷积的高效高阶空间交互

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·2022-08-21 07:28

yolov5学习笔记整理

首先，yolov5主要分为四个部分，输入端，backbone，neck，输出端。
qq_63067417·2022-08-17 19:51

yolov5之魔化修改

（1）YOLOAir：小白YOLO系列Trick改进论文推荐|包括Backbone,Neck,Head,注意力机制,IoU损失函数,NMS,自注意力机制,数据增强部分,激活函数_芒果汁没有芒果的博客-CSDN
曙光_deeplove·2022-08-15 07:04

改进YOLOv5系列：9.BoTNet Transformer结构的修改

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·2022-08-15 07:14

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

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
DanCheng-studio·2022-08-14 07:15

【毕业设计】深度学习手势识别 - yolo python opencv 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
DanCheng-studio·2022-08-14 07:14

改进YOLOv5系列：8.增加ACmix结构的修改,自注意力和卷积集成

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·2022-08-13 07:38

改进YOLOv5系列：5.CotNet Transformer结构的修改

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·2022-08-10 07:14

YOLOAir库：多种内置yaml网络模型配置

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·2022-08-10 07:14

改进YOLOv5系列：6.修改Soft-NMS,Soft-CIoUNMS,Soft-SIoUNMS,Soft-DIoUNMS,Soft-EIoUNMS,Soft-GIoUNMS...

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·2022-08-10 07:14

改进YOLOv5系列：7.改进DIoU-NMS,SIoU-NMS,EIoU-NMS,CIoU-NMS,GIoU-NMS

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·2022-08-10 07:01

yolov5模型与代码解读

Backbone:newCSPDarknet-53Neck:SPPF,NewCSP-PANHead:yolov3head下图是v5l：改进部分：1.Focus模块Focus模块将每个2x2的相邻像素划分为一个
JWangwen·2022-08-09 09:00

YOLO Air一款面向科研小白的YOLO项目|包含大量改进方式教程|适用YOLOv5,YOLOv7,YOLOX,YOLOv4,YOLOR,YOLOv3,transformer等算法

助力论文改进、不同数据集涨点、创新点改进YOLOAir一款面向科研的YOLO项目统一使用yolov5代码框架，结合不同模块来构建不同的YOLO目标检测模型,包含大量改进方式教程,改进点包含Backbone、Neck
迪菲赫尔曼·2022-08-09 07:33

基于Tensorflow2的YOLOV4 网络结构及代码解析（2）——NECK部分

继上篇《基于Tensorflow2的YOLOV4网络结构及代码解析（1）——backbone网络结构》博文后继续解析yoloV4的NECK本篇博客主要介绍两个个方面：1.SPPNET:SPP结构使用不同尺度的
xiaoyang0307·2022-08-05 09:35

【毕业设计】深度学习 python opencv 火焰检测识别

课题背景3卷积神经网络3.1卷积层3.2池化层3.3激活函数：3.4全连接层3.5使用tensorflow中keras模块实现卷积神经网络4YOLOV54.1网络架构图4.2输入端4.3基准网络4.4Neck
DanCheng-studio·2022-08-04 07:30

【深度学习】百度：YOLOX和NanoDet都没我优秀！轻量型实时目标检测模型PP-PicoDet开源...

本文对anchor-free策略在轻量型检测器中的应用进行了探索；对骨干结构进行了增强并设计了一种轻量Neck部件；同时对SimOTA策略与Loss进行了改进。
风度78·2022-07-24 07:13

YOLOv5核心基础知识讲解

Yolov5核心基础知识完整讲解（知乎）目录0、基础概念1、Yolov5四种网络2、核心基础内容2.1YOLOv5核心基础内容2.2Yolov5核心基础内容2.2.1输入端2.2.2Backbone2.2.3Neck2.2.4
浅汐入梦·2022-07-21 07:38

目标检测学习笔记——相关资料、竞赛及trick

图像数量是否充分，延伸到类別均衡问题4、人眼观察图像是否有认为旋转，色彩对比度，裁剪等二、数据增强/数据处理（在线、离线）三、postprocess四、模型集成五、训练采样六、模型部分1、backbone2、neck3
phily123·2022-07-04 07:50
上一页 5 6 7 8 9 10 11 12 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他