《YOLOv12魔术师专栏》专栏介绍 & 专栏目录

 《YOLOv12魔术师专栏》将从以下各个方向进行创新(更新日期25.03.05):

原创自研模块多组合点优化注意力机制

主干篇neck优化卷积魔改

block&多尺度融合结合损失&IOU优化上下采样优化 

【小目标性能提升】前沿论文分享训练实战篇】

订阅者可以申请发票,便于报销 

定期向订阅者提供源码工程+windows编译好的环境,配合博客使用

    《YOLOv12魔术师专栏》将从以下各个方向进行创新:

链接:

《YOLOv12魔术师专栏》专栏介绍 & 专栏目录_第1张图片

原创自研模块多组合点优化注意力机制卷积魔改block&多尺度融合结合损失&IOU优化上下采样优化 【小目标性能提升】前沿论文分享训练实战篇】

订阅者通过添加WX: AI_CV_0624,入群沟通,提供改进结构图等一系列定制化服务。

订阅者提供本文windows下编译好的YOLOv12环境

定期向订阅者提供源码工程,配合博客使用。

订阅者可以申请发票,便于报销 

为本专栏订阅者提供创新点改进代码,改进网络结构图,方便paper写作!!!

适用场景:红外、小目标检测工业缺陷检测医学影像遥感目标检测低对比度场景

适用任务:所有改进点适用【检测】【分割】【pose】【分类】

全网独家首发创新,【自研多个自研模块】【多创新点组合适合paper 】!!!

☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️ ☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️

包含注意力机制魔改、卷积魔改、检测头创新、损失&IOU优化、block优化&多层特征融合、 轻量级网络设计、25年最新顶会改进思路、原创自研paper级创新等

 本项目持续更新 | 更新完结保底≥80+ ,冲刺100+

 联系WX: AI_CV_0624 欢迎交流!

⭐⭐⭐专栏涨价趋势 129 ->199->259->299,越早订阅越划算⭐⭐⭐

2024年计算机视觉顶会创新点适用于Yolov5、Yolov7、Yolov8、Yolov9、Yolov10、Yolo11等各个Yolo系列,专栏文章提供每一步步骤和源码,轻松带你上手魔改网络 !!!

重点:通过本专栏的阅读,后续你也可以设计魔改网络,在网络不同位置(Backbone、head、detect、loss等)进行魔改,实现创新!!!

☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️ ☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️

  

  

 目录如下:

☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️

☁️☁️☁️原创自研模块

多组合点优化

注意力机制

  主干篇

neck优化

卷积魔改

✨✨✨block&多尺度融合结合

损失&IOU优化

上下采样优化 

轻量化改进

小目标性能提升

⭐ ⭐ ⭐写作必备

  SPPF & Detect改进

 ☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️

☁️☁️☁️原创自研模块

多组合点优化

注意力机制

1.新颖的多尺度卷积注意力(MSCA),即插即用,助力小目标检测

2. EMA:基于跨空间学习的高效多尺度注意力,效果优于ECA、CBAM、CA

3. 轻量级自注意力机制CoordAttention | CVPR2021 

4. SKAttention注意力,自适应地调整其感受野大小,效果优于SENet 

5. 归一化的注意力模块(NAM),高效且轻量级的注意力机制 

6. 极化自注意力Polarized Self-Attention,一种更加精细的双重注意力机 

7. 用于微小目标检测的上下文增强和特征细化网络ContextAggregation,助力小目标检测 

8. 双重注意力机制DoubleAttention,有效地捕获图像中不同位置和不同特征的重要性 

9. SimAM(无参Attention),一种轻量级的自注意力机制 

10. 动态稀疏注意力的双层路由方法BiLevelRoutingAttention | CVPR2023 

11. 可变形自注意力Attention,暴力涨点 | 即插即用系列最新发表 

12. 意力机制与卷积的完美融合 | 最新移动端高效网络架构 CloFormer

13 轻量级(MLCA),加强通道信息和空间信息提取能力 

14. 卷积和注意力融合模块(CAFMAttention) | 2024年最新成果 

15. 新颖的多尺度前馈网络(MSFN) | 2024年4月最新成果 

16. 一种新颖的可扩张残差(DWR)注意力模块,增强多尺度感受野特征 

17. 上下文锚点注意力(CAA) | CVPR2024 PKINet 遥感图像目标检测 

18. 并行化注意力设计(PPA)模块,红外小目标暴力涨点 

19. 多膨胀通道精炼(MDCR)模块,红外小目标暴力涨点 

 20.  维度感知选择性集成模块DASI,红外小目标暴力涨点  

21. 通道优先卷积注意力(Channel Prior Convolutional Attention,CPCA)| 中科院 发布 

 

卷积魔改

1. AKConv(可改变核卷积),即插即用的卷积,幸福涨点

2. 分布移位卷积(DSConv),提高卷积层的内存效率和速度

3. 大型分离卷积注意力模块( LSKA),实现暴力涨点同时显著减少计算复杂性和内存 

4. 多分支卷积模块RFB,扩大感受野提升小目标检测精度 

5. SPD-Conv,低分辨率图像和小物体涨点明显 

6. DCNv3算子,基于DCNv2算子引入共享投射权重、多组机制和采样点调制 | CVPR2023 

7. 动态卷积DynamicConv ,CVPR2024 ParameterNet,低计算量小模型 

8. 动态蛇形卷积(Dynamic Snake Convolution),实现暴力涨点 | ICCV2023 

9. 新的partial convolution(PConv)结合A2C2f | CVPR2023 

10. 可变形条带卷积(DSCN),魔改轻量DCNv3二次创新 

  主干篇

1. 一种极简的神经网络模型 VanillaNet,华为诺亚

neck优化

1. FPN涨点篇 |多级特征融合金字塔(HS-FPN),助力小目标检测| 2024年最新论文

2. 一种新的路径融合GFPN:包含跳层与跨尺度连接 ,小目标到大目标一网打尽 

3. 特征融合创新 | 一种基于内容引导注意力(CGA)的混合融合,实现暴力涨点 | IEEE TIP 2024 

4. 特征融合创新 | 多层次特征融合(SDI),小目标涨点明显  

5. Gold-YOLO,遥遥领先,超越所有YOLO | 华为诺亚NeurIPS23 

 

✨✨✨block&多尺度融合结合

1. ECVBlock即插即用的多尺度融合模块,助力小目标涨点 | 顶刊TIP 2023 CFPNet

2. 分层特征融合策略MSBlock | 南开大学提出YOLO-MS ,即插即用打破性能瓶颈 

3. LSKblockAttention助力旋转目标检测,南开大学提出LSKNet:遥感旋转目标检测新SOTA 

4. SEAM提升小目标遮挡物性能提升 

 5. 华为诺亚2023极简的神经网络模型 VanillaNet---VanillaBlock助力检测

6. 特征融合创新 | 一种基于内容引导注意力(CGA)的混合融合,实现暴力涨点 | IEEE TIP 2024 

7. 特征融合创新 | 多层次特征融合(SDI),小目标涨点明显 

8. 通用倒瓶颈(UIB)搜索块结合A2C2f二次创新 | 轻量化之王MobileNetV4 

9. 轻量级改进 | 逐元素乘法(star operation)二次创新,微软新作StarNet 

10. PKIBlock多尺度卷积核,优势无需膨胀,即插即用小目标涨点 | CVPR2024 

11. RepViTBlock和A2C2f进行结合实现二次创新 | CVPR2024清华RepViT 

 

损失&IOU优化

1.一种新的Shape IoU,更加关注边界框本身的形状和尺度,对小目标检测也很友好

2. Powerful-IoU更好、更快的收敛IoU,效果秒杀CIoU、GIoU等 | 2024年最新IoU 

3. Inner-IoU基于辅助边框的IoU损失,高效结合 GIoU, DIoU, CIoU,SIoU 等 

4. 一种新的基于Wasserstein距离的小目标检测评估方法,助力小目标涨点 

5. 一种新的自适应阈值焦点损失函数loss,更多的注意力分配给目标特征,助力红外小目标 

6. SlideLoss,解决简单样本和困难样本之间的不平衡问题 

上下采样优化  

1. 轻量级上采样CARAFE算子

2. 超轻量高效动态上采样DySample,效果秒杀CAFFE,助力小目标检测

小目标性能提升

 1.新颖的多尺度卷积注意力(MSCA),即插即用,助力小目标检测

 2 .一种新的Shape IoU,更加关注边界框本身的形状和尺度,对小目标检测也很友好

 3. 超轻量高效动态上采样DySample,效果秒杀CAFFE,助力小目标检测  

4. 用于微小目标检测的上下文增强和特征细化网络ContextAggregation,助力小目标检测  

5. ECVBlock即插即用的多尺度融合模块,助力小目标涨点 | 顶刊TIP 2023 CFPNet 

6. FPN涨点篇 |多级特征融合金字塔(HS-FPN),助力小目标检测| 2024年最新论文  

7. 多分支卷积模块RFB,扩大感受野提升小目标检测精度  

8. SEAM提升小目标遮挡物性能提升 

9. SPD-Conv,低分辨率图像和小物体涨点明显 

10. 一种新的基于Wasserstein距离的小目标检测评估方法,助力小目标涨点  

11. 卷积和注意力融合模块(CAFMAttention) | 2024年最新成果  

12. 新颖的多尺度前馈网络(MSFN) | 2024年4月最新成果 

13. 红外小目标 |CAMixing:卷积-注意融合模块和多尺度提取能力 

17. 一种新颖的可扩张残差(DWR)注意力模块,增强多尺度感受野特征  

18. 并行化注意力设计(PPA)模块,红外小目标暴力涨点  

19. 多膨胀通道精炼(MDCR)模块,红外小目标暴力涨点  

20.  维度感知选择性集成模块DASI,红外小目标暴力涨点

 

 

轻量化改进

 1. 分布移位卷积(DSConv),提高卷积层的内存效率和速度 

2. 华为Ghostnet,超越谷歌MobileNet | CVPR2020 

3.  华为Ghostnetv2,端侧小模型性能新SOTA | NeurIPS22

4. 华为GhostNet再升级,全系列硬件上最优极简AI网络G_ghost | IJCV22 

5. 动态卷积DynamicConv ,CVPR2024 ParameterNet,低计算量小模型  

6. 轻量级改进 | 逐元素乘法(star operation)二次创新,微软新作StarNet 

7. 新的partial convolution(PConv)结合A2C2f | CVPR2023  

 

☁️☁️☁️SPPF & Detect改进

⭐ ⭐ ⭐写作必备

☁️☁️☁️训练实战篇

1. YOLOv12源码分析+如何训练自己的数据集(NEU-DET缺陷检测为案列)

你可能感兴趣的:(YOLOv8,11,v12成长师,YOLO,深度学习,人工智能,目标检测,计算机视觉)