《YOLOv7魔术师》专栏介绍 & 独家改进创新实战& 专栏目录
YOLOv7高阶自研专栏介绍:
✨✨✨前沿最新计算机顶会复现
🚀🚀🚀YOLOv7自研创新结合,轻松搞定科研
🍉🍉🍉持续更新中,定期更新不同数据集涨点情况
目录
全网首发&独家改进
1.大型分离卷积注意力模块( Large Separable Kernel Attention),实现暴力涨点同时显著减少计算复杂性和内存 | 2023.8月最新发表
2.Gold-YOLO,遥遥领先,超越所有YOLO | 华为诺亚NeurIPS23
3. 可变形自注意力Attention | 即插即用系列
4. 可变形大核注意力(D-LKA Attention),超越自注意力,实现暴力涨点 | 2023.8月最新发表
5. RIFormerBlock助力检测|CVPR2023 RIFormer:无需TokenMixer也能达成SOTA性能的极简ViT架构
6.轻量高效注意力模块Sea_AttentionBlock ,复旦大学和腾讯联合提出
7.多维协作注意模块MCA,暴力涨点,效果秒杀ECA、SRM、CBAM等
8. 动态蛇形卷积(Dynamic Snake Convolution),增强细微特征对小目标友好,实现涨点 | ICCV2023
9.全网原创首发 | 多尺度空洞注意力(MSDA) | 中科院一区顶刊 DilateFormer 2023.9
10.AIFI (尺度内特征交互)助力YOLO | YOLO终结者?RT-DETR一探究竟
2023年最新成果 &二次创新
1.RepViTBlock即插即用,助力检测 | 清华 ICCV 2023
2. 引入PConv结构map涨点的同时进一步降低参数量
3.self-attention实现涨点的同时,能够大幅减少参数量和计算量
4.CoordAttention新型的轻量级自注意力机制| CVPR2021
5. Multi-Dconv Head Transposed Attention注意力,效果优于MHSA
6.EMA基于跨空间学习的高效多尺度注意力、效果优于ECA、CBAM、CA | ICASSP2023
7.遥感旋转目标检测新SOTA , LSKblockAttention助力小目标检测 | ICCV 2023 南开大学LSKNet
8.BiFormer: 基于动态稀疏注意力构建高效金字塔网络架构,BiLevelRoutingAttention对小目标涨点明显 | CVPR 2023
9.SCConv空间和通道重建卷积,即插即用,助力检测 | CVPR2023 SCConv
10. 动态蛇形卷积(Dynamic Snake Convolution),增强细微特征对小目标友好,实现涨点 | ICCV2023
11.新机制,扩展DCNv3,基于DCNv2优化 | CVPR2023 InternImage
12.感受野注意力卷积运算(RFAConv),效果秒杀CBAM和CA等 | 即插即用系列
loss&IOU系列
1.SlideLoss,解决简单样本和困难样本之间的不平衡问题
2. Wasserstein Distance Loss,助力小目标涨点
3.MPDIoU新型边界框相似度度量,效果秒杀GIoU 、 DIoU 、CIoU 、 EIoU等 | ELSEVIER 2023
4.SlideLoss创新升级,结合IOU动态调整困难样本的困难程度,提升小目标、遮挡物性能
小目标系列
1.SPD-Conv,低分辨率图像和小物体涨点明显
2. 小目标遮挡物性能提升(SEAM、MultiSEAM)
3.Wasserstein Distance Loss,助力小目标涨点
4.即插即用的多尺度融合模块,EVC助力小目标检测
5.小目标到大目标一网打尽,轻骨干重Neck的轻量级目标检测器GiraffeDet
6.EMA基于跨空间学习的高效多尺度注意力、效果优于ECA、CBAM、CA | ICASSP2023
7.InceptionNeXtBlock大核深度卷积,扩大感受野 ,即插即用,小目标检测涨点明显
8. 引入GSConv+Slim Neck,提升小目标检测精度
9.新颖的上下文解耦头TSCODE,即插即用
10.渐近特征金字塔网络(AFPN)| 助力小目标检测
持续更新中
- 点赞
- 收藏
- 关注作者
评论(0)