改进Yolov5 | 用 GSConv+Slim Neck 一步步把 Yolov5 提升到极致!!!(二)

简介: 改进Yolov5 | 用 GSConv+Slim Neck 一步步把 Yolov5 提升到极致!!!(二)

3实验


3.1 Trick消融实验

3.2 损失函数对比

3.3 Yolo改进

3.4 可视化结果对比


4参考


[1].Slim-neck by GSConv: A better design paradigm of detector architectures for autonomous vehicles


5推荐阅读


大道至简 | 设计 ViT 到底怎么配置Self-Attention才是最合理的?

LITv2来袭 | 使用HiLo Attention实现高精度、快速度的变形金刚,下游任务均实时

为什么说Heatmap方法是分类问题?

目录
打赏
0
0
0
0
34
分享
相关文章
【论文复现】经典再现:yolov4的主干网络重构(结合Slim-neck by GSConv)
【论文复现】经典再现:yolov4的主干网络重构(结合Slim-neck by GSConv)
155 0
【论文复现】经典再现:yolov4的主干网络重构(结合Slim-neck by GSConv)
|
10月前
|
【论文复现】针对yoloV5-L部分的YoloBody部分重构(Slim-neck by GSConv)
【论文复现】针对yoloV5-L部分的YoloBody部分重构(Slim-neck by GSConv)
252 0
【论文复现】针对yoloV5-L部分的YoloBody部分重构(Slim-neck by GSConv)
YOLOv11 正式发布!你需要知道什么? 另附:YOLOv8 与YOLOv11 各模型性能比较
YOLOv11是Ultralytics团队推出的最新版本,相比YOLOv10带来了多项改进。主要特点包括:模型架构优化、GPU训练加速、速度提升、参数减少以及更强的适应性和更多任务支持。YOLOv11支持目标检测、图像分割、姿态估计、旋转边界框和图像分类等多种任务,并提供不同尺寸的模型版本,以满足不同应用场景的需求。
YOLOv11 正式发布!你需要知道什么? 另附:YOLOv8 与YOLOv11 各模型性能比较
YOLO(You only look once)的架构
YOLO(You only look once)的架构
431 0
YOLOv8来啦 | 详细解读YOLOv8的改进模块!YOLOv5官方出品YOLOv8,必卷!
YOLOv8来啦 | 详细解读YOLOv8的改进模块!YOLOv5官方出品YOLOv8,必卷!
2874 0
【YOLOV5-6.x讲解】YOLO5.0VS6.0版本对比+模型设计
【YOLOV5-6.x讲解】YOLO5.0VS6.0版本对比+模型设计
1257 0
【YOLOV5-6.x讲解】YOLO5.0VS6.0版本对比+模型设计
详细解读 | 如何改进YOLOv3使其更好应用到小目标检测(比YOLO V4高出4%)(一)
详细解读 | 如何改进YOLOv3使其更好应用到小目标检测(比YOLO V4高出4%)(一)
515 0