YOLOv7改进损失函数Loss系列：首发手把手最新结合多种类Loss（内附代码），包括PolyLoss / VarifocalLoss / GFL / QualityFLoss / FL等

相关文章

• YOLOv7改进wiou损失函数：结合最新Wise-IoU损失函数，涨点神器｜超越CIoU, SIoU性能，助力YOLOv7模型涨点1.4%，最新目标检测的损失函数

  💡该教程为改进进阶指南，属于 《芒果书》 📚系列，包含大量的原创首发改进方式, 所有文章都是全网首发原创改进内容🚀 💡本篇文章 基于 YOLOv5、YOLOv7 芒果 改进YOLO系列： 芒果改进YOLOv7系列：结合最新Wise-IoU损失函数，涨点神器｜超越CIoU, SIoU性能，助力YOLOv7模型涨点

  2024年02月05日

  浏览(49)

• 剑指YOLOv8改进最新MPDIoU损失函数：超越现有多种G/D/C/EIoU，23年7月首发论文，高效准确的边界框回归的损失

  💡 本篇内容 ：剑指YOLOv8改进最新MPDIoU损失函数：超越现有多种G/D/C/EIoU，23年7月首发论文，高效准确的边界框回归的损失 💡🚀🚀🚀本博客 改进源代码改进 适用于 YOLOv8 按步骤操作运行改进后的代码即可 💡：重点：该 专栏 《剑指YOLOv8原创改进》只更新改进 YOLOv8 模型的内

  2024年02月14日

  浏览(39)

• 剑指YOLOv5改进最新MPDIoU损失函数(23年7月首发论文)：超越现有多种G/D/C/EIoU，高效准确的边界框回归的损失，高效涨点

  💡 本篇内容 ：剑指YOLOv5改进最新MPDIoU损失函数(23年7月首发论文)：超越现有多种G/D/C/EIoU，高效准确的边界框回归的损失，高效涨点 💡🚀🚀🚀本博客 改进源代码改进 适用于 YOLOv5 按步骤操作运行改进后的代码即可 💡：重点：该 专栏 《剑指YOLOv5原创改进》只更新改进 Y

  2024年02月15日

  浏览(36)

• YOLOv7、YOLOv5、YOLOv8改进多种检测解耦头系列｜即插即用：首发最新更新超多种高精度&轻量化解耦检测头（最新检测头改进集合），内含多种检测头/解耦头改进，检测头高效涨点

  💡 本篇内容 ：YOLOv5改进多种检测解耦头系列：首发更新超多种高精度｜轻量化解耦检测头（最全改进集合），内含多种检测头/解耦头改进，高效涨点 💡 🚀🚀🚀内含·改进源代码·，按步骤操作运行改进后的源代码即可 重点 ：🔥🔥🔥有同学已经内测使用这个系列的 各

  2024年02月06日

  浏览(46)
• 

  YOLOv8改进损失函数WDLoss：独家更新｜即插即用｜YOLOv8小目标检测高效涨点2%，改进用于小目标检测的归一化高斯 Wasserstein Distance Loss，提升小目标检测

  💡该教程为 《芒果书》 📚系列，包含大量的原创首发改进方式, 所有文章都是全网首发原创改进内容🚀 内容出品： CSDN博客独家更新 @CSDN芒果汁没有芒果 💡本篇文章 基于 YOLOv8 芒果 改进YOLO系列： 芒果YOLOv8改进WDLoss损失函数：独家首发更新｜即插即用｜YOLOv8小目标检测高

  2024年02月01日

  浏览(54)
• 

  【YOLOv7/YOLOv5系列算法改进NO.47】改进激活函数为GELU

  作为当前先进的深度学习目标检测算法YOLOv7，已经集合了大量的trick，但是还是有提高和改进的空间，针对具体应用场景下的检测难点，可以不同的改进方法。此后的系列文章，将重点对YOLOv7的如何改进进行详细的介绍，目的是为了给那些搞科研的同学需要创新点或者搞工程

  2024年02月02日

  浏览(45)

• YOLOv7改进PIoU损失函数：PIoU v2损失增强了专注于中等质量锚盒的能力，v1版本使用非单调聚焦机制更直接、更快的边界框回归损失

  💡 本篇内容 ：YOLOv7改进PIoU损失函数：PIoU v2损失增强了专注于中等质量锚盒的能力，v1版本使用非单调聚焦机制更直接、更快的边界框回归损失 💡附改进源代码及教程，用来改进 🚀PIoU损失函数 Powerful-IoU损失函数论文地址：https://www.sciencedirect.com/science/article/abs/pii/S0893608

  2024年02月21日

  浏览(30)

• YOLOv7改进主干CFPNet系列：全网首发结合最新Centralized Feature Pyramid集中特征金字塔，测试私有数据集涨点，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、YOLOv7-Tiny 最新集中特征金字塔Centralized Featur

  2024年02月08日

  浏览(35)

• YoloV7改进策略：SwiftFormer，全网首发，独家改进的高效加性注意力用于实时移动视觉应用的模型，重构YoloV7

  2023年10月31日

  浏览(48)
• 

  YOLOv5｜YOLOv7｜YOLOv8改进之实验结果(四)：将多种算法的Loss精度曲线图绘制到一张图上，便于YOLOv5、v7系列模型对比实验获取更多精度数据，丰富实验数据

  💡该教程为改进YOLO高阶指南，属于 《芒果书》 📚系列，包含大量的原创首发改进方式🚀 💡更多改进内容📚可以点击查看：YOLOv5改进、YOLOv7改进、YOLOv8改进、YOLOX改进原创目录 | 老师联袂推荐🏆 💡 🚀🚀🚀本博客内含·改进源代码·，按步骤操作运行改进后的代码即可

  2023年04月17日

  浏览(50)