《YOLOv10魔术师专栏》专栏介绍 & 专栏目录

  《YOLOv10魔术师专栏》将从以下各个方向进行创新（更新日期24.6.13）：

【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，配合博客使用

YOLOv10魔术师专栏

主页链接：

YOLOv10订阅链接

编辑

💡💡💡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】等

💡💡💡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、24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 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、Yolov10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！！！

编辑

🏆🏆🏆🏆🏆🏆🏆🏆

主页链接：

YOLOv10订阅链接

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

1.原创自研 | 自研独家创新MSAM注意力，通道注意力升级，魔改CBAM

2.SPPF原创自研创新 | SPPF创新结构，重新设计全局平均池化层和全局最大池化层

3.自研检测头 | 独家创新（Partial_C_v10Detect）检测头结构创新，实现涨点

4.独家创新（SC_C_v10Detect）检测头结构创新，实现涨点

5. SPPF原创自研 | SPPF_attention，重新设计加入注意力机制

🏆🏆🏆多组合点优化

💡💡💡注意力机制

1.通道注意力和空间注意力CBAM，全新注意力GAM：超越CBAM，不计成本提高精度

2.轻量级自注意力机制CoordAttention | CVPR2021

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

4.归一化的注意力模块（NAM）,高效且轻量级的注意力机制

5.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

6.SimAM（无参Attention），一种轻量级的自注意力机制，效果秒杀CBAM、SE

7.极化自注意力Polarized Self-Attention，一种更加精细的双重注意力机制，即插即用

8.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

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

10.多尺度空洞注意力（MSDA），有效捕捉多尺度信息 | 中科院一区顶刊  

11.可变形自注意力Attention，暴力涨点

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

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

14.轻量级的 Mixed Local Channel Attention (MLCA)，加强通道信息和空间信息提取能力

15.卷积和注意力融合模块(CAFMAttention) | 2024年4月最新成果

16. 新颖的多尺度前馈网络(MSFN) | 2024年4月最新成果

17. CAMixing:卷积-注意融合模块和多尺度提取能力 | 2024年4月最新成果

18.一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，助力小目标检测

19.并行化注意力设计（PPA）模块，红外小目标暴力涨点

🍅🍅🍅卷积魔改

1.分布移位卷积（DSConv）,提高卷积层的内存效率和速度

2.AKConv（可改变核卷积），即插即用的卷积，幸福涨点

3.SCConv：空间和通道重建卷积，即插即用，助力检测 | CVPR2023

4.Shift-ConvNets，具有大核效应的小卷积核 ，轻量级实现高效涨点 | 2024年最新论文

5.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

6.可变形大核注意力，一种采用大卷积核来充分理解体积上下文的简化注意力机制

7.多分支卷积模块RFB，扩大感受野提升小目标检测精度

8.DCNv2升级版本，助力检测

9. 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

10.SPD-Conv，低分辨率图像和小物体涨点明显

11.可变形条带卷积(DSCN)，魔改轻量DCNv3二次创新

12.DCNv4更快收敛、更高速度、更高性能，效果秒杀DCNv3、DCNv2等 ，助力检测

13.动态卷积DynamicConv ，CVPR2024 ParameterNet

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

15. 新的partial convolution（PConv）结合C2f | CVPR2023

🌰 🌰 🌰主干篇

1.微软新作StarNet：超强轻量级Backbone | CVPR 2024

2.轻量化之王MobileNetV4 开源 | Top-1 精度 87%，手机推理速度 3.8ms，原地起飞！

3. 华为Ghostnet，超越谷歌MobileNet | CVPR2020

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

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

6.一种极简的神经网络模型 VanillaNet,华为诺亚

🏆🏆🏆neck优化

1.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

2.  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

3. 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.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

2.  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

3.多尺度空洞注意力（MSDA），有效捕捉多尺度信息 | 中科院一区顶刊

4.一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 浙大

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

6. LSKblockAttention助力旋转目标检测，南开大学提出LSKNet

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

8.SEAM提升小目标遮挡物性能提升

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

10.多层次特征融合（SDI），小目标涨点明显，| UNet v2，比UNet显存占用更少、参数更少

11.KAN系列 | 「一夜干掉MLP」的KAN ，全新神经网络架构一夜爆火

12. 逐元素乘法（star operation）二次创新，微软新作StarNet

13.PKIBlock多尺度卷积核，优势无需膨胀，即插即用小目标涨点

14.RepViTBlock和C2f进行结合实现二次创新 | CVPR2024清华RepViT

💡💡💡损失&IOU优化

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

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

3.一种新的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

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，助力红外小目标暴力涨点

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.超轻量高效动态上采样DySample，效果秒杀CAFFE，助力小目标检测

2.轻量级上采样CARAFE算子

🚀🚀🚀小目标性能提升

1.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

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.多分支卷积模块RFB，扩大感受野提升小目标检测精度  

4. 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

5.SEAM提升小目标遮挡物性能提升

6.SPD-Conv，低分辨率图像和小物体涨点明显

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

8.卷积和注意力融合模块(CAFMAttention) | 2024年4月最新成果

9. 新颖的多尺度前馈网络(MSFN) | 2024年4月最新成果

10. CAMixing:卷积-注意融合模块和多尺度提取能力 | 2024年4月最新成果

11.一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，助力小目标检测  

12.多层次特征融合（SDI），小目标涨点明显，| UNet v2，比UNet显存占用更少、参数更少  

13.并行化注意力设计（PPA）模块，红外小目标暴力涨点  

14.一种新的自适应阈值焦点损失函数loss，助力红外小目标暴力涨点  

15.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

16.红外小目标 | 注意力机制改进 | 维度感知选择性集成模块DASI，红外小目标暴力涨

17.微小目标检测，多头检测器提升小目标检测精度

🏆🏆🏆轻量化改进

1.通用倒瓶颈（UIB）搜索块结合C2f二次创新 | 轻量化之王MobileNetV4

2.可变形条带卷积(DSCN)，魔改轻量DCNv3二次创新

3.DCNv4更快收敛、更高速度、更高性能，效果秒杀DCNv3、DCNv2等 ，助力检测

4.微软新作StarNet：超强轻量级Backbone | CVPR 2024

5.轻量化之王MobileNetV4 开源 | Top-1 精度 87%，手机推理速度 3.8ms，原地起飞！

6. 华为Ghostnet，超越谷歌MobileNet | CVPR2020

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

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

9.一种极简的神经网络模型 VanillaNet,华为诺亚

☁️☁️☁️SPPF & Detect改进

1.新一代高效可形变卷积DCNv4如何做二次创新？高效结合SPPF

⭐ ⭐ ⭐写作必备

1.多种绘制曲线对比图（precision、recall、mAP50、mAP50-95），为科研保驾护航

2.如何测试FPS指标

☁️☁️☁️训练实战篇

1.YOLOv10真正实时端到端目标检测（原理介绍+代码详见+结构框图）| YOLOv10如何训练自己的数据集

2.如何魔改注意力进行二次创新，高效替换PSA | NEU-DET为案列进行展开

3.新一代高效可形变卷积DCNv4如何做二次创新？高效结合SPPF | NEU-DET为案列进行展开

4.一种新的自适应阈值焦点损失函数loss，更多分配给目标特征 | NEU-DET为案列进行展开

5.SPPF原创自研 | SPPF_attention，重新设计加入注意力机制 | NEU-DET为案列进行展开

6. 红外小目标实战 | 多头检测器提升小目标检测精度

7.红外小目标实战 | SPPF_attention，重新设计加入注意力机制