当前位置: 首页 > news >正文

YOLO系列算法改进方法 | 目录一览表


文章目录

  • YOLO系列算法改进方法 | 目录一览表
    • 一、注意力机制添加方法
    • 二、网络轻量化方法
    • 三、优化损失函数
    • 四、非极大值抑制
    • 五、“Transformer+CNN”结构
    • 六、特征融合方式改进
    • 七、优化锚框生成
    • 八、激活函数改进


💡魔改YOLO系列算法,助力涨点,助力科研。通过添加注意力机制SE/CBAM/CoordAtt/ECA /SimAM/CrissCrossAttention/ SKAttention/GAMAttention/S2-MLPv2/NAM等;网络轻量化方法通过更换主干特征提取网络为MobileNetV3/ShuffleNetV2/EfficientNetv2/Ghostnet/深度可分离卷积/PP-LCNet/mobileone/Ghostnetv2/ELAN等;优化原yolo算法损失函数为EIoU/SIoU/Alpha-IoU等,助力检测涨点;优化非极大值抑制算法为Soft-nms/DIoU NMS等;构建“Transformer+CNN”结构拟补原卷积网络缺乏长距离建模能力,融入Bottleneck/EfficientFormer/Swin Transformer/Swin Transformer v2.0等,助力涨点;改进特征融合方式为BIFPN/ASFF等,强化不同尺度融合能力;优化锚框生成,改为K-Means++;添加小目标检测层等方法。


YOLO系列算法改进方法 | 目录一览表

💡🎈☁️1. 添加SE注意力机制
💡🎈☁️2.添加CBAM注意力机制
💡🎈☁️3. 添加CoordAtt注意力机制
💡🎈☁️4. 添加ECA通道注意力机制
💡🎈☁️5. 改进特征融合网络PANET为BIFPN
💡🎈☁️6. 增加小目标检测层
💡🎈☁️7. 损失函数改进
💡🎈☁️8. 非极大值抑制NMS算法改进Soft-nms
💡🎈☁️9. 锚框K-Means算法改进K-Means++
💡🎈☁️10. 损失函数改进为SIOU
💡🎈☁️11. 主干网络C3替换为轻量化网络MobileNetV3
💡🎈☁️12. 主干网络C3替换为轻量化网络ShuffleNetV2
💡🎈☁️13. 主干网络C3替换为轻量化网络EfficientNetv2
💡🎈☁️14. 主干网络C3替换为轻量化网络Ghostnet
💡🎈☁️15. 网络轻量化方法深度可分离卷积
💡🎈☁️16. 主干网络C3替换为轻量化网络PP-LCNet
💡🎈☁️17. CNN+Transformer——融合Bottleneck Transformers
💡🎈☁️18. 损失函数改进为Alpha-IoU损失函数
💡🎈☁️19. 非极大值抑制NMS算法改进DIoU NMS
💡🎈☁️20. Involution新神经网络算子引入网络
💡🎈☁️21. CNN+Transformer——主干网络替换为又快又强的轻量化主干EfficientFormer
💡🎈☁️22. 涨点神器——引入递归门控卷积(gnConv)
💡🎈☁️23. 引入SimAM无参数注意力
💡🎈☁️24. 引入量子启发的新型视觉主干模型WaveMLP(可尝试发SCI)
💡🎈☁️25. 引入Swin Transformer
💡🎈☁️26. 改进特征融合网络PANet为ASFF自适应特征融合网络
💡🎈☁️27. 解决小目标问题——校正卷积取代特征提取网络中的常规卷积
💡🎈☁️28. ICLR 2022涨点神器——即插即用的动态卷积ODConv
💡🎈☁️29. 引入Swin Transformer v2.0版本
💡🎈☁️30. 引入10月4号发表最新的Transformer视觉模型MOAT结构
💡🎈☁️31. CrissCrossAttention注意力机制
💡🎈☁️32. 引入SKAttention注意力机制
💡🎈☁️33. 引入GAMAttention注意力机制
💡🎈☁️34. 更换激活函数为FReLU
💡🎈☁️35. 引入S2-MLPv2注意力机制
💡🎈☁️36. 融入NAM注意力机制
💡🎈☁️37. 结合CVPR2022新作ConvNeXt网络
💡🎈☁️38. 引入RepVGG模型结构
💡🎈☁️39. 引入改进遮挡检测的Tri-Layer插件 | BMVC 2022
💡🎈☁️40. 轻量化mobileone主干网络引入
💡🎈☁️41. 引入SPD-Conv处理低分辨率图像和小对象问题
💡🎈☁️42. 引入V7中的ELAN网络
💡🎈☁️43. 结合最新Non-local Networks and Attention结构
💡🎈☁️44. 融入适配GPU的轻量级 G-GhostNet
💡🎈☁️45. 首发最新特征融合技术RepGFPN(DAMO-YOLO)
💡🎈☁️46. 改进激活函数为ACON


一、注意力机制添加方法

一般解决问题为:图像待测目标与背景相似,目标难以辨识的检测难点
💡🎈☁️1. 添加SE注意力机制
💡🎈☁️2.添加CBAM注意力机制
💡🎈☁️3. 添加CoordAtt注意力机制
💡🎈☁️4. 添加ECA通道注意力机制
💡🎈☁️23. 引入SimAM无参数注意力
💡🎈☁️31. CrissCrossAttention注意力机制
💡🎈☁️32. 引入SKAttention注意力机制
💡🎈☁️33. 引入GAMAttention注意力机制
💡🎈☁️35. 引入S2-MLPv2注意力机制
💡🎈☁️36. 融入NAM注意力机制

二、网络轻量化方法

一般解决问题为:轻量化网络,适应应用部署
💡🎈☁️11. 主干网络C3替换为轻量化网络MobileNetV3
💡🎈☁️12. 主干网络C3替换为轻量化网络ShuffleNetV2
💡🎈☁️13. 主干网络C3替换为轻量化网络EfficientNetv2
💡🎈☁️14. 主干网络C3替换为轻量化网络Ghostnet
💡🎈☁️15. 网络轻量化方法深度可分离卷积
💡🎈☁️16. 主干网络C3替换为轻量化网络PP-LCNet
💡🎈☁️40. 轻量化mobileone主干网络引入

三、优化损失函数

一般解决问题为:原损失函数的缺陷不足
💡🎈☁️7. 损失函数改进
💡🎈☁️10. 损失函数改进为SIOU
💡🎈☁️18. 损失函数改进为Alpha-IoU损失函数

四、非极大值抑制

一般解决问题为:同类别目标相互重叠导致错漏检问题
💡🎈☁️8. 非极大值抑制NMS算法改进Soft-nms
💡🎈☁️19. 非极大值抑制NMS算法改进DIoU NMS

五、“Transformer+CNN”结构

一般解决问题为:拟补全卷积网络缺乏长距离建模能力
💡🎈☁️17. CNN+Transformer——融合Bottleneck Transformers
💡🎈☁️21. CNN+Transformer——主干网络替换为又快又强的轻量化主干EfficientFormer
💡🎈☁️25. 引入Swin Transformer
💡🎈☁️29. 引入Swin Transformer v2.0版本

六、特征融合方式改进

一般解决问题为:目标尺度变化多样的问题
💡🎈☁️5. 改进特征融合网络PANET为BIFPN
💡🎈☁️26. 改进特征融合网络PANet为ASFF自适应特征融合网络

七、优化锚框生成

一般解决问题为:原K-Means算法缺陷
💡🎈☁️9. 锚框K-Means算法改进K-Means++

八、激活函数改进

💡🎈☁️34. 更换激活函数为FReLU
💡🎈☁️46. 改进激活函数为ACON

相关文章:

  • 粒子群算法和鲸鱼算法的比较(Matlab代码实现)
  • HTML5期末大作业:HTM+CSS+JS仿安徽开放大学官网(web前端网页制作课作业)
  • C语言:动态内存分配(3)
  • 基于纳芯微产品的尾灯方案介绍
  • 设置程序以管理员权限运行无效问题的排查过程分享
  • MySQL密码不要用0开头!!!
  • Java项目:ssm高校党员管理系统
  • RabbitMQ--延迟队列--使用/原理
  • Linux基础 - Web服务基础
  • 高新技术企业认定八大条件、八大领域、四项指标
  • 异常练习题(Java)
  • 那些惊艳一时的 CSS 属性
  • ipv6地址概述——深入讲解ipv6地址
  • 这才是Git的正确学习方式
  • Linux 命令(204)—— ss 命令
  • 分享一款快速APP功能测试工具
  • 77. Combinations
  • Android Volley源码解析
  • CoolViewPager:即刻刷新,自定义边缘效果颜色,双向自动循环,内置垂直切换效果,想要的都在这里...
  • JavaScript学习总结——原型
  • open-falcon 开发笔记(一):从零开始搭建虚拟服务器和监测环境
  • python docx文档转html页面
  • vue总结
  • 闭包--闭包之tab栏切换(四)
  • 前端代码风格自动化系列(二)之Commitlint
  • 使用common-codec进行md5加密
  • 使用Gradle第一次构建Java程序
  • 数据结构java版之冒泡排序及优化
  • 数组的操作
  • 一起来学SpringBoot | 第十篇:使用Spring Cache集成Redis
  • 原生Ajax
  • ​用户画像从0到100的构建思路
  • #我与Java虚拟机的故事#连载11: JVM学习之路
  • $.ajax()
  • (2)MFC+openGL单文档框架glFrame
  • (poj1.3.2)1791(构造法模拟)
  • (ZT)薛涌:谈贫说富
  • (二)七种元启发算法(DBO、LO、SWO、COA、LSO、KOA、GRO)求解无人机路径规划MATLAB
  • (七)Knockout 创建自定义绑定
  • (亲测有效)解决windows11无法使用1500000波特率的问题
  • (三分钟)速览传统边缘检测算子
  • (十八)SpringBoot之发送QQ邮件
  • (完整代码)R语言中利用SVM-RFE机器学习算法筛选关键因子
  • (五) 一起学 Unix 环境高级编程 (APUE) 之 进程环境
  • (一)C语言之入门:使用Visual Studio Community 2022运行hello world
  • (转) ns2/nam与nam实现相关的文件
  • .NET MVC 验证码
  • .NET 分布式技术比较
  • .NET 应用架构指导 V2 学习笔记(一) 软件架构的关键原则
  • .net 逐行读取大文本文件_如何使用 Java 灵活读取 Excel 内容 ?
  • @serverendpoint注解_SpringBoot 使用WebSocket打造在线聊天室(基于注解)
  • [ 手记 ] 关于tomcat开机启动设置问题
  • [1181]linux两台服务器之间传输文件和文件夹
  • [2010-8-30]
  • [2018][note]用于超快偏振开关和动态光束分裂的all-optical有源THz超表——