YOLOv5全网独家改进: 红外小目标 | 注意力改进 | 多膨胀通道精炼（MDCR）模块，红外小目标暴力涨点| 2024年3月最新成果
💡💡💡本文独家改进：多膨胀通道精炼（MDCR）模块，解决目标的大小微小以及红外图像中通常具有复杂的背景的问题点,2024年3月最新成果 💡💡💡红外小目标实现暴力涨点，只有几个像素的小目标识别率大幅度提升 改进结构图如下： 收录 YOLOv5原创自研 https://blog.csdn.net/m0_63774211/category_12511931.html 💡💡💡全网独家首发创新（原创），...
YOLOv9改进策略：IoU优化 | Wasserstein Distance Loss，助力小目标涨点
💡💡💡本文独家改进：基于Wasserstein距离的小目标检测评估方法 Wasserstein Distance Loss | 亲测在多个数据集能够实现涨点，对小目标、遮挡物性能提升明显 💡💡💡MS COCO和PASCAL VOC数据集实现涨点 YOLOv9魔术师专栏 ☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️ ☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️...
YOLOv7改进：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
进行有效加权，然后在空间上将它们合并。这些核的权重是根据输入动态确定的，允许该模型自适应地使用不同的大核，并根据需要调整空间中每个目标的感受野 LSKNet | 亲测在多个数据集能够实现涨点，包括小目标检测 收录： YOLOv7高阶自研专栏介绍： http://t.csdnimg.cn/tYI0c ✨✨✨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...
YOLOv7改进---注意力机制： EMA基于跨空间学习的高效多尺度注意力、效果优于ECA、CBAM、CA | 小目标涨点明显 | ICASSP2023
💡💡💡本文属于原创独家改进：EMA基于跨空间学习的高效多尺度注意力、效果优于ECA、CBAM、CA EMA | 亲测在多个数据集实现暴力涨点，强烈推荐，独家首发； 收录： YOLOv7高阶自研专栏介绍： http://t.csdnimg.cn/tYI0c ✨✨✨前沿最新计算机顶会复现 🚀🚀🚀YOLOv7自研创新结合，轻松搞定科研 🍉🍉🍉...
YOLOv8血细胞检测（15）：微小目标检测的上下文增强和特征细化网络ContextAggregation
💡💡💡本文独家改进：微小目标检测的上下文增强和特征细化网络ContextAggregation，引入到YOLOv8提升检测精度 ContextAggregation | 亲测在血细胞检测项目中涨点，map@0.5 从原始0.895提升至0.907 收录专栏： 💡💡💡YOLO医学影像检测：http://t.csdnimg.cn/N4zBP ✨✨✨实战医学影像检测项目，通过创新点验证涨点可行性； ✨✨...
目标检测数据集：工业端面小目标缺陷计数数据集
✨✨✨✨✨✨目标检测数据集✨✨✨✨✨✨ 本专栏提供各种场景的数据集，主要聚焦：工业缺陷检测数据集、小目标数据集、遥感数据集、红外小目标数据集，该专栏的数据集会在多个专栏进行验证，在多个数据集进行验证mAP涨点明显，尤其是小目标、遮挡物精度提升明显的数据集会在该专栏进行数据集上传。数据集开箱即用，已转换成适合yolo训练的格式供直接使用。 🏆🏆🏆Yolov8魔术师：http://t.csdn.cn/XQk...
Yolov8小目标检测（24）： 最新开源移动端网络架构 RepViT | RepViTBlock | 清华 ICCV 2023
轻量级 CNN，这包括选择合适的卷积核大小和优化挤压-激励（Squeeze-and-excitation，简称SE）层的位置。这两种方法都能显著改善模型性能 RepViTBlock| 亲测在红外弱小目标检测涨点明显，map@0.5 从0.755提升至0.791 💡💡💡Yolo小目标检测，独家首发创新（原创），适用于Yolov5、Yolov7、Yolov8等各个Yolo系列，专栏文章提供每一步步骤和源...
涨点神器：基于Yolov5/Yolov7的小目标性能提升
1.小目标介绍 目标检测近十年涌现了一大批如Faster R-CNN、RetinaNet、YOLO等可以在工业界实用的目标检测方法，但小目标检测性能差的问题至今也没有被完全解决。因为Swin Transformer的提出，COCO test-dev上的 AP 已经刷到64 ，但小目标检测性能（即APS ）和大目标检测性能（即 APL ）仍然差距悬殊。从某方面讲，现在COCO刷不上去的一个...
Yolov8涨点神器：注意力机制---多头上下文集成（Context Aggregation）的广义构建模块，助力小目标检测，暴力涨点
🏆🏆🏆🏆🏆🏆Yolov8魔术师🏆🏆🏆🏆🏆🏆 ✨✨✨魔改网络、复现前沿论文，组合优化创新 🚀🚀🚀小目标、遮挡物、难样本性能提升 🍉🍉🍉定期更新不同数据集涨点情况 2.Context Aggregation介绍 论文：https://arxiv.org/abs/2106.01401 仅需22M参数量，所提CONTAINER在ImageNet数据集取得了82.7%的的top1精度，以2.8...
Yolov5/Yolov7涨点技巧：MobileViT移动端轻量通用视觉transformer，MobileViTAttention助力小目标检测，涨点显著
1. MobileViT介绍 论文：https://arxiv.org/abs/2110.02178 现有博客都是将MobileViT作为backbone引入Yolov5，因此存在的问题点是训练显存要求巨大，本文引入自注意力的Vision Transformer(ViTs)：MobileViTAttention MobileViT是一种基于Transformers的轻量...