YOLOv9改进策略 ：卷积魔改 | 感受野注意力卷积运算（RFAConv）
💡💡💡本文改进内容：感受野注意力卷积运算（RFAConv），解决卷积块注意力模块（CBAM）和协调注意力模块（CA）只关注空间特征，不能完全解决卷积核参数共享的问题 💡💡💡使用方法：代替YOLOv9中的卷积，使得更加关注感受野注意力，提升性能 💡💡💡RFAConv| 亲测在多个数据集能够实现大幅涨点，有的数据集达到3个点以上 改进结构图如下： 《YOLOv9魔术师专栏》将从以下各个方向进行创新：...
卷积变体-----分组卷积、深度可分离卷积、膨胀卷积
文章目录 一、分组卷积1.1 概述1.2 参数量变换 二、深度可分离卷积2.1 概述2.2 计算 三、膨胀卷积 一、分组卷积 1.1 概述 1. 分组卷积（Group convolution ）最早在AlexNet中出现，由于当时的硬件资源有限，训练AlexNet时卷积操作不能全部放在同一个GPU处理，因此把特征图分给多个GPU分别进行处理，最后把多个GPU的结果进行融合。 2. 一般的卷积会对...
YoloV8改进策略：BackBone改进|ECA-Net：用于深度卷积神经网络的高效通道注意力
摘要 本文使用ECA-Net注意力机制加入到YoloV8中。我尝试了多种改进方法，并附上改进结果，方便大家了解改进后的效果，为论文改进提供思路。 论文：《ECA-Net：用于深度卷积神经网络的高效通道注意力》 arxiv.org/pdf/1910.03151.pdf 最近，通道注意机制已被证明在改善深度卷积神经网络（CNN）的性能方面具有巨大潜力。然而，大多数现有方法致力于开发更复杂的注意模块以实现...
机器视觉学习（七）—— 卷积、边缘和滤波器
目录 一、卷积运算 1.1 卷积运算的公式 1.2 卷积操作 二、垂直边缘与水平边缘 2.1 cv2.filter2D()函数 2.2 Sobel算子 三、滤波器 一、卷积运算 1.1 卷积运算的公式 卷积运算是一种图像处理的基本操作，常用于图像滤波、边缘检测等应用中。 卷积运算的基本思想是将一个图像与一个称为卷积核（或滤波器）的小矩阵进行乘积运算，然后将所有乘积的结果相加，得到最终的输出图像。这个过...
YOLOv9改进策略：卷积魔改 | SPD-Conv，低分辨率图像和小物体涨点明显
💡💡💡本文改进内容：SPD-Conv由一个空间到深度(SPD)层和一个无卷积步长(Conv)层组成,特别是在处理低分辨率图像和小物体等更困难的任务时。 💡💡💡SPD-Conv在多个数据集验证能够暴力涨点，适合急需要涨点的项目 YOLOv9魔术师专栏 ☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️ ☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️ 包含注意力机制...
YoloV8改进策略：Neck和Head改进|ECA-Net：用于深度卷积神经网络的高效通道注意力|多种改进方法|附结构图
摘要 本文使用ECA-Net注意力机制加入到YoloV8Neck和Head中。我尝试了多种改进方法，并附上改进结果，方便大家了解改进后的效果，为论文改进提供思路。 论文：《ECA-Net：用于深度卷积神经网络的高效通道注意力》 arxiv.org/pdf/1910.03151.pdf 最近，通道注意机制已被证明在改善深度卷积神经网络（CNN）的性能方面具有巨大潜力。然而，大多数现有方法致力于开发更复...
卷积神经网络（CNN）：图像识别的强大工具
目录 1. 引言 2.卷积神经网络的基本原理 2.1.输入层 2.2.卷积层 2.3.池化层 2.4.激活层 2.5.全连接层（可选） 2.6.输出层 3.卷积神经网络的基本结构 4.卷积神经网络的训练过程 5.代码示例 6.总结 1. 引言 在图像处理与计算机视觉领域，卷积神经网络（CNN）已成为一种强大的工具，广泛应用于图像识别、目标检测、人脸识别等任务中。本文旨在...
机器学习——卷积神经网络的反向传播算法
机器学习——卷积神经网络的反向传播算法 卷积神经网络（Convolutional Neural Network，CNN）是一种主要应用于图像识别、语音识别等领域的深度学习模型。在CNN中，反向传播算法是用于更新网络参数以最小化损失函数的关键步骤之一。本文将介绍卷积神经网络的基本概念、汇聚层、卷积层以及反向传播算法的步骤，并通过Python实现算法，最后给出总结。 1. 基本概念 卷积神经网络是一种前...
图像处理ASIC设计方法 笔记8 卷积计算芯片的结构
（一） P81 卷积芯片内部模板框图 该设计有两个数据通路：图像数据和模板数据。 图像数据是经过帧控制、实时图SPRAM（写控制、 SPRAM读控制、数据读控制）、计算单元； 模板数据是经过模板SPRAM、计算单元。 4.5.4运算单元像素寄存器控制 存储SPRAM写入的64bit数据，输出为8bit。它是属于图像数据的路径。 当处于读操作时，输出的读使能信号fifo_rd_en ,该信号可以使FI...
卷积神经网络 (CNN)
卷积神经网络（CNN，Convolutional Neural Networks）是一种深度学习模型，广泛应用于图像识别、语音处理、自然语言处理等领域。CNN 通过模拟人类大脑对视觉信息的处理机制来识别和处理复杂的图像特征。下面是对卷积神经网络的详细阐述： 1. 基本结构 CNN 主要由卷积层、池化层（汇聚层）和全连接层组成，每一层都有其特定的作用。 卷积层：卷积层是CNN的核心，主要负责提取输入图像...