YOLOv7改进ASFF系列：最新结合Adaptively Spatial Feature Fusion自适应空间特征融合结构（内附代码），提高特征尺度不变性

相关文章

• 

  YOLOv7改进注意力机制系列：最新结合即插即用CA(Coordinate attention) 注意力机制(适用于YOLOv5)，CVPR 2021 顶会助力分类检测涨点！

  💡统一使用 YOLOv5、YOLOv7 代码框架， 结合不同模块来构建不同的YOLO目标检测模型。 论文所提的 Coordinate注意力 很简单，可以灵活地插入到经典的移动网络中，而且几乎没有计算开销。大量实验表明，Coordinate注意力不仅有益于ImageNet分类，而且更有趣的是，它在下游任务（如

  2024年02月05日

  浏览(48)

• 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(52)

• 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)

• 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)
• 

  涨点技巧：Detect系列---Yolov5/Yolov7加入ASFF特征金字塔融合方法，涨点明显

  目录   1.ASFF介绍  2.ASFF加入Yolov5提升检测精度 2.1 ASFF加入common.py中： 2.2 ASFF加入yolo.py中：  2.3 修改yolov5s_asff.yaml 2.4 与cbam结合 进一步提升检测精度 🏆 🏆🏆🏆🏆🏆🏆Yolov5/Yolov7成长师🏆🏆🏆🏆🏆🏆🏆 🍉🍉进阶专栏Yolov5/Yolov7魔术师：http://t.csdn.cn/D4NqB 🍉🍉 ✨✨✨

  2023年04月08日

  浏览(43)
• 

  YOLOv7、YOLOv5改进之损失函数EfficiCIoU-Loss：独家首发最新｜结合EfficiCIoULoss损失函数(适用于YOLOv5)，新的增强预测帧调整并加快帧回归率，加快网络模型收敛

  💡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🚀 💡本篇文章 为 YOLOv5、YOLOv7、YOLOv8 芒果改进YOLO系列： YOLOv7改进损失函数：独家首发最新｜结合EfficiCIoU-Loss损失函数，新的增强预测帧调整并加快帧回归率，加快网

  2024年02月05日

  浏览(50)
• 

  yolov7改进系列

  (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

  2024年02月05日

  浏览(36)
• 

  魔改YOLOv5/YOLOv7高阶版——改进之结合解耦头Decoupled_Detect

  2024年02月02日

  浏览(39)
• 

  ​目标检测算法——YOLOv5/YOLOv7改进之结合Criss-Cross Attention

  论文题目： CCNet: Criss-Cross Attention for Semantic Segmentation 论文地址： https://arxiv.org/pdf/1811.11721.pdf 代码地址：https://github.com/shanglianlm0525/CvPytorch 本文是ICCV2019的语义分割领域的文章，旨在解决long-range dependencies问题，提出了基于十字交叉注意力机制（Criss-Cross Attention）的模块，利

  2024年02月02日

  浏览(53)