YOLOv5、YOLOv7改进首发最新PWConv核心结构｜来自最新CVPR2023顶会，进一步轻量化！测试数据集mAP有效涨点，进一步降低参数量，追求更高的 FLOPS

相关文章

• YOLOv5、YOLOv7、YOLOv8改进结构系列： 最新结合用于小目标的新CNN卷积构建块

  💡统一使用 YOLOv7 代码框架， 结合不同模块来构建不同的YOLO目标检测模型。 🌟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

  2024年02月09日

  浏览(54)

• YOLO系列全网首发改进最新：新颖特定任务检测头TSCODE｜(适用YOLOv5/v7)创新性Max，即插即用检测头，用于目标检测的特定任务上下文解耦头机制，助力YOLOv7目标检测器高效涨点！

  💡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🏆 💡 本篇内容 ：YOLOv5、YOLOv7改进新型解耦头TSCODE｜全网首发最新更新，创新性Max，即插即用检测头｜用于目标检测的特定任务上下文解耦头，助力YOLOv7目标检测器高效涨点！ @CSDN芒果汁

  2024年02月04日

  浏览(55)
• 

  YOLOv5改进 | 主干篇 | 12月份最新成果TransNeXt特征提取网络（全网首发）

  本文给大家带来的改进机制是 TransNeXt特征提取网络 , 其发表于2023年的12月份是一个最新最前沿的网络模型 ，将其应用在我们的特征提取网络来提取特征，同时本文给大家解决其自带的一个报错，通过结合聚合的像素聚焦注意力和卷积GLU，模拟生物视觉系统，特别是对于中心

  2024年01月18日

  浏览(82)

• 剑指YOLOv7改进最新MPDIoU损失函数(23年7月首发论文)：论文实测YOLOv7模型涨点，超越现有多种G/D/C/EIoU，高效准确的边界框回归的损失

  💡 本篇内容 ：剑指YOLOv7改进最新MPDIoU损失函数(23年7月首发论文)：论文实测YOLOv7模型涨点，超越现有多种G/D/C/EIoU，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 YOLOv7 按步骤操作运行改进后的代码即可 💡：重点：该 专栏 《剑指YOLOv7原创改进》只

  2024年02月15日

  浏览(48)
• 

  yolov7改进系列 1. YOLOv7改进结构系列： 最新结合用于小目标的新CNN卷积构建

  (71条消息) YOLOv7改进结构系列： 最新结合用于小目标的新CNN卷积构建块_芒果汁没有芒果的博客-CSDN博客 一、SPD论文理论部分 卷积神经网络 (CNN) 在许多计算机视觉任务（例如图像分类和对象检测）中取得了巨大成功。然而，它们的性能在图像分辨率低或物体很小的更艰巨的任

  2023年04月14日

  浏览(45)

• 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

  💡该教程为属于 《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🚀 降低改进难度,改进多种结构演示 💡本篇文章基于 基于 YOLOv7 、 YOLOv7-tiny 等网络最新结合不同Loss，包括PolyLoss / VarifocalLoss / GeneralizedFLoss / QualityFLoss / Focal Loss等改进

  2024年02月04日

  浏览(70)

• YOLOv8、YOLOv7、YOLOv5改进注意力机制：首发最全汇总 | S2A, SE,SimAM, SKA,ShA, SOCA, CA, CBAM, CrissCrossA, NAM, GAM等

  💡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。 🌟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

  2024年02月06日

  浏览(113)

• 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(38)
• 

  YOLOv7改进主干结构系列：结合丰富的梯度流信息模块，来自YOLOv8的核心模块

  -💡统一使用 YOLO 代码框架， 结合不同模块来构建不同的YOLO目标检测模型。 🔥 《芒果书》系列改进专栏内的改进文章，均包含多种模型改进方式，均适用于 YOLOv3 、 YOLOv4 、 YOLOR 、 YOLOX 、 YOLOv5 、 YOLOv7 、 YOLOv8 改进（重点）！！！ 🔥 专栏创新点教程 均有不少同学反应和

  2024年02月04日

  浏览(58)
• 

  目标检测算法——YOLOv5/YOLOv7改进之结合MobileOne结构（高性能骨干|仅需1ms）

  1.MobileOne: 移动端仅需1ms的高性能骨干！ 2.MobileOne block网络模型： 3.源代码 关于YOLOv5/v7改进方法可关注并留言博主的CSDN 论文题目： An Improved One millisecond Mobile Backbone 论文地址：http://An Improved One millisecond Mobile Backbone 一般用于移动设备的高效神经网络骨干通常针对 FLOP 或参数计

  2024年02月06日

  浏览(55)