YOLOv8改进 | 主干篇 | 低照度增强网络PE-YOLO改进主干（改进暗光条件下的物体检测模型）

相关文章

• 改进YOLOv8 | 主干网络篇 | YOLOv8采用FasterNet提升计算机视觉速度

  深度学习在计算机视觉领域的应用越来越广泛，而目标检测是其中非常重要的一个任务。YOLOv8作为一种先进的目标检测算法，以其快速和准确的特性而备受关注。然而，为了进一步提升YOLOv8的性能和速度，我们可以通过更换主干网络来达到这个目标。本文将介绍一种名为Fas

  2024年01月23日

  浏览(60)
• 

  改进YOLOv8 | 主干网络篇 | YOLOv8 更换骨干网络之 MobileNetV3 | 《搜寻 MobileNetV3》

  论文地址：https://arxiv.org/abs/1905.02244 代码地址：https://github.com/xiaolai-sqlai/mobilenetv3 我们展示了基于互补搜索技术和新颖架构设计相结合的下一代 MobileNets。MobileNetV3通过结合硬件感知网络架构搜索（NAS）和 NetAdapt算法对移动设计如何协同工作，利用互补的方法来提高移动端CP

  2024年02月02日

  浏览(98)
• 

  YOLOv8改进 | 主干篇 | 华为移动端模型Ghostnetv1改进特征提取网络

  本文给大家带来的改进机制是华为移动端模型 Ghostnetv1 ，华为的 GhostNet 是一种轻量级卷积神经网络，旨在在计算资源有限的嵌入式设备上实现高性能的图像分类。 GhostNet的关键思想 在于通过引入Ghost模块，以较低的计算成本增加了特征图的数量，从而提高了模型的性能。这种

  2024年01月19日

  浏览(54)
• 

  改进YOLOv8 | 主干网络篇 | YOLOv8 更换骨干网络之 SwinTransformer | 《基于位移窗口的层次化视觉变换器》

  论文地址：https://arxiv.org/pdf/2103.14030.pdf 代码地址：https://github.com/microsoft/Swin-Transformer 本文介绍了一种新的视觉 Transformer ，称为 Swin Transformer ，它可以作为计算机视觉通用的骨干网络。从语言到视觉的转换中，适应 Transformer 所面临的挑战源于两个领域之间的差异，如视觉实体

  2024年02月06日

  浏览(52)
• 

  YOLOv8改进 | 主干篇 | 利用图像分割网络UNetV2改善图像分割检测性能（全网独家首发）

  本文给大家带来的改进机制是利用图像分割网络UNetV2的主干来改进我们的YOLOv8分割模型 （本文的内容虽然YOLOv8所有的功能的用户都能使用，但是还是建议分割的用户使用）， U-Net v2 旨在改进医学图像分割的性能，通过引入一种新的、更为高效的跳跃连接设计来实现。这个版

  2024年04月17日

  浏览(42)
• 

  主干网络篇 | YOLOv8改进之用RCS-OSA替换C2f（来源于RCS-YOLO）

  前言： Hello大家好，我是小哥谈。 RCS-YOLO是一种目标检测算法，它是基于YOLOv3算法的改进版本。通过查看RCS-YOLO的整体架构可知，其中包括RCS-OSA模块。RCS-OSA模块在模型中用于堆叠RCS模块，以确保特征的复用并加强不同层之间的信息流动。本文就给大家详细介绍如何将RCS-YOLO算

  2024年04月10日

  浏览(71)

• YOLOv8芒果独家首发 | 改进新主干：改进版目标检测新范式骨干PPHGNetv2，百度出品，提升YOLOv8检测能力

  💡 本篇内容 ：YOLOv8改进新主干：目标检测新范式骨干PPHGNetv2改进版，百度出品，提升YOLOv8检测能力 💡🚀🚀🚀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 💡本文提出改进 原创 方式：二次创新，YOLOv8专属，充分结合YOLOv8和 PPHGNetv2网络 本改进结

  2024年02月06日

  浏览(47)
• 

  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)
• 

  【YOLOv8改进】 YOLOv8 更换骨干网络之GhostNetV2 长距离注意力机制增强廉价操作，构建更强端侧轻量型骨干 (论文笔记+引入代码)

  轻量级卷积神经网络（CNNs）专为移动设备上的应用而设计，具有更快的推理速度。卷积操作只能捕获窗口区域内的局部信息，这限制了性能的进一步提升。将自注意力引入到卷积中可以很好地捕获全局信息，但这将大大增加实际速度的负担。在本文中，我们提出了一种硬件友

  2024年03月23日

  浏览(55)

• YOLOv8改进最新主干系列BiFormer：顶会CVPR2023即插即用，小目标检测涨点必备，首发改进，基于动态查询感知的稀疏注意力机制、构建高效金字塔网络架构，打造高精度检测器

  💡 本篇内容 ：YOLOv5/v7/v8改进最新主干系列BiFormer：顶会CVPR2023即插即用，小目标检测涨点必备，首发原创改进，基于动态查询感知的稀疏注意力机制、构建高效金字塔网络架构，最新TransFormer改进结构： BiFormer 重点 ：🔥🔥🔥YOLOv5｜YOLOv7｜YOLOv8 使用这个 创新点 在 数据集

  2024年02月12日

  浏览(51)