YoloV5改进策略：下采样改进|HWD改进下采样
摘要 本文使用HWD改进下采样，在YoloV5的测试中实现涨点。 论文解读 在卷积神经网络（CNNs）中，极大池化或跨行卷积等下采样操作被广泛用于聚合局部特征、扩大感受野和最小化计算开销。然而，对于语义分割任务，在局部邻域上汇集特征可能会导致重要空间信息的丢失，这对于逐像素预测至关重要。为了解决这个问题，作者引入了一个简单而有效的下采样操作，称为基于Haar小波的下采样（HWD）模块。该模块可以很容易地集...
特征融合篇 | YOLOv8 引入通用高效层聚合网络 GELAN | YOLOv9 新模块
今天的深度学习方法专注于如何设计最合适的目标函数，以使模型的预测结果最接近真实情况。同时，必须设计一个合适的架构，以便为预测提供足够的信息。现有方法忽视了一个事实，即当输入数据经过逐层特征提取和空间转换时，会丢失大量信息。本文将深入探讨数据通过深度网络传输时出现的数据丢失的重要问题，即信息瓶颈和可逆函数。我们提出了可编程梯度信息（PGI）的概念，以应对深度网络实现多个目标所需的各种变化。PGI可以为目标任...
海思SD3403,SS928/926,hi3519dv500,hi3516dv500移植yolov7,yolov8（15）-Yolov9探索
SS928移植yolov8问题暂未解决，对比SVP NNN和NNN两个NPU核，SVP NNN是不支持transpose层，仅支持CPU里运行，去掉这个层认为不现实，NNN里倒是写的在onnx模型里支持transpose，应该是在NPU里运行。 一种方式是转caffe模型，transpose对应的是permute，是支持的。另一种是希望NNN里支持NPU里运行transpose。这两种方式都消耗时间...
YOLOv8-Seg改进：卷积变体系列篇 | Shift-ConvNets，具有大核效应的小卷积核
🚀🚀🚀本文改进：Shift-ConvNets让小卷积核也能达到大卷积核效果，实现涨点 🚀🚀🚀YOLOv8-seg创新专栏：http://t.csdnimg.cn/KLSdv 学姐带你学习YOLOv8，从入门到创新，轻轻松松搞定科研； 1）手把手教你如何训练YOLOv8-seg； 2）模型创新，提升分割性能； 3）独家自研模块助力分割； 1.Shift-Conv原理介绍 摘要：近年来的研究表明，视觉变压器(...
基于YOLOv8深度学习+Pyqt5的电动车头盔佩戴检测系统
wx供重浩：创享日记 对话框发送：225头盔 获取完整源码源文件+已标注的数据集（1463张）+源码各文件说明+配置跑通说明文档 若需要一对一远程操作在你电脑跑通，有偿89yuan 效果展示 基于YOLOv8深度学习+PyQT5的电动车头盔佩戴检测系统 各文件说明 随着电动车的普及，交通安全问题日益凸显。头盔作为保护骑行者头部安全的重要装备，其佩戴情况的监测对于减少交通事故伤害具有重要意义。本文提出了一种...
YOLOv7独家原创改进：大核卷积涨点系列| Shift-ConvNets，稀疏/移位操作让小卷积核也能达到大卷积核效果 | 2024年最新论文
💡💡💡本文独家改进：大的卷积核设计成为使卷积神经网络（CNNs）再次强大的理想解决方案，Shift-ConvNets稀疏/移位操作让小卷积核也能达到大卷积核效果，创新十足实现涨点，助力YOLOv8 💡💡💡在多个私有数据集和公开数据集VisDrone2019、PASCAL VOC实现涨点 收录 YOLOv7原创自研 https://blog.csdn.net/m0_63774211/cate...
YOLOv5改进 | 一文汇总：如何在网络结构中添加注意力机制、C3、卷积、Neck、SPPF、检测头
一、本文介绍 本篇文章的内容是在大家得到一个改进版本的C3一个新的注意力机制、或者一个新的卷积模块、或者是检测头的时候如何替换我们YOLOv5模型中的原有的模块，从而用你的模块去进行训练模型或者检测。因为最近开了一个专栏里面涉及到挺多改进的地方，不能每篇文章都去讲解一遍如何修改，就想着在这里单独出一期文章进行一个总结性教程，大家可以从我的其它文章中拿到修改后的代码，从这篇文章学会如何去添加到你的模型结构中去...
YOLOv8改进 | Conv篇 | 全新的SOATA轻量化下采样操作ADown（参数量下降百分之二十，附手撕结构图）
一、本文介绍 本文给大家带来的改进机制是利用2024/02/21号最新发布的YOLOv9其中提出的ADown模块来改进我们的Conv模块，其中YOLOv9针对于这个模块并没有介绍，只是在其项目文件中用到了，我将其整理出来用于我们的YOLOv8的项目，经过实验我发现该卷积模块（作为下采样模块）首先可以大幅度降低参数值（v8n大约六十万），其次其精度上也有很高的提升，同时本文的内容目前网络上并无其它人总结（也...
YOLOv5改进 | 融合改进篇 | 华为VanillaNet + BiFPN突破涨点极限
一、本文介绍 本文给大家带来的改进机制是华为VanillaNet主干配合BiFPN实现融合涨点，这个主干是一种注重极简主义和效率的神经网络我也将其进行了实验， 其中的BiFPN不用介绍了从其发布到现在一直是比较热门的改进机制，其主要思想是通过多层级的特征金字塔和双向信息传递来提高精度，我将其融合在一起，大家可以复制过去在其基础上配合我的损失函数，然后再加一个检测头如果在你的数据上有涨点效果大家就可以开始撰写...
【OpenVINO™】在 MacOS 上使用 OpenVINO™ C# API 部署 Yolov5 （上篇）
，具体信息可以参考 OpenVINO™。通过使用 OpenVINO™ C# API，可以在 .NET、.NET Framework等框架下使用 C# 语言实现深度学习模型在指定平台推理加速。 1.2 YOLOv5 YOLOv5 是革命性的 "单阶段"对象检测模型的第五次迭代，旨在实时提供高速、高精度的结果，是世界上最受欢迎的视觉人工智能模型，代表了Ultralytics对未来视觉人工智能方法的开源研究，...