《YOLO11魔术师专栏》专栏介绍

本文涉及的产品
模型训练 PAI-DLC,5000CU*H 3个月
交互式建模 PAI-DSW,5000CU*H 3个月
模型在线服务 PAI-EAS,A10/V100等 500元 1个月
简介: 《YOLO11魔术师专栏》专栏介绍

  《YOLO11魔术师专栏》将从以下各个方向进行创新(更新日期24.10.12):

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

YOLO11魔术师专栏

主页链接:

YOLO11订阅链接

image.gif

💡💡💡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、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、YOLO8、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!!!

image.gif

🏆🏆🏆🏆🏆🏆🏆🏆

 主页链接:

YOLO11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. 新一代高效可形变卷积DCNv4如何做二次创新?高效结合SPPF

🏆🏆🏆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

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.新颖的多尺度卷积注意力(MSCA),即插即用,助力小目标检测

4.轻量级自注意力机制CoordAttention | CVPR2021

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

6.归一化的注意力模块(NAM),高效且轻量级的注意力机制

7.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

8. SimAM(无参Attention),一种轻量级的自注意力机制

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

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

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

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

13. 最新移动端高效网络架构 CloFormer,清华团队最新即插即用系列

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

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

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

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

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.注意力机制改进 | 并行化注意力设计(PPA)模块,红外小目标暴力涨点

20. 多膨胀通道精炼(MDCR)模块,红外小目标暴力涨点

21. 维度感知选择性集成模块DASI,红外小目标暴力涨点

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

🍅🍅🍅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.大型分离卷积注意力模块,实现暴力涨点同时显著减少计算复杂性和内存

4. 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

5. 多分支卷积模块RFB,扩大感受野提升小目标检测精度

6. DCNv2升级版本,助力检测

7. 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

8. SPD-Conv,低分辨率图像和小物体涨点明显

9. 动态卷积DynamicConv ,CVPR2024 ParameterNet

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

11. 新的partial convolution(PConv)结合C3k2 | CVPR2023

12. 可变形条带卷积(DSCN),魔改轻量DCNv3二次创新

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

🌰 🌰 🌰主干篇

1. 一种极简的神经网络模型 VanillaNet,华为诺亚

2. EMO,结合 CNN 和 Transformer 的现代倒残差移动模块设计 |ICCV2023

3. 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!

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

🏆🏆🏆neck优化

1. 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

2.ECVBlock即插即用的多尺度融合模块,助力小目标涨点

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

4. 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

5.  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

6. SEAM提升小目标遮挡物性能提升  

7. 华为诺亚2023极简的神经网络模型 VanillaNet---VanillaBlock助力检测,实现暴力涨点

8. 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

9.多层次特征融合(SDI),小目标涨点明显

10. PKIBlock多尺度卷积核,优势无需膨胀,即插即用小目标涨点

11. RepViTBlock和C3k2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.Inner-IoU基于辅助边框的IoU损失,高效结合 GIoU, DIoU, CIoU,SIoU 等

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

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

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

3.ECVBlock即插即用的多尺度融合模块,助力小目标涨点  

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

5.一种新的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  

6.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.  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

9. SEAM提升小目标遮挡物性能提升

10 . SPD-Conv,低分辨率图像和小物体涨点明显

11. 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

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

13. 新颖的多尺度前馈网络(MSFN) | 2024年4月最新成果

14. CAMixing:卷积-注意融合模块和多尺度提取能力 | 2024年最新成果  

15. 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  

16. 多层次特征融合(SDI),小目标涨点明显  

17.注意力机制改进 | 并行化注意力设计(PPA)模块,红外小目标暴力涨点  

18. 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  

19. PKIBlock多尺度卷积核,优势无需膨胀,即插即用小目标涨点  

20. 多膨胀通道精炼(MDCR)模块,红外小目标暴力涨点  

21. 维度感知选择性集成模块DASI,红外小目标暴力涨点  

22. 多头检测器提升小目标检测精度

🏆🏆🏆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. 通用倒瓶颈(UIB)搜索块结合C3k2二次创新 | 轻量化之王MobileNetV4

6. 动态卷积DynamicConv ,CVPR2024 ParameterNet  

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

☁️☁️☁️SPPF & Detect改进

1.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. 新一代高效可形变卷积DCNv4如何做二次创新?高效结合SPPF

💡💡💡paper创新篇

⭐ ⭐ ⭐写作必备

1. 多种绘制曲线对比图,为科研保驾护航

☁️☁️☁️训练实战篇

1.YOLO11 全新发布!(原理介绍+代码详见+结构框图)

2. 解决创新点在自己数据集不涨点现象,通过EMA多尺度注意力举例阐述并提出解决方案

3.  多尺度卷积注意力(MSCA)在网络不同位置涨点情况 | 创新点如何在自己数据集上高效涨点


相关实践学习
使用PAI-EAS一键部署ChatGLM及LangChain应用
本场景中主要介绍如何使用模型在线服务(PAI-EAS)部署ChatGLM的AI-Web应用以及启动WebUI进行模型推理,并通过LangChain集成自己的业务数据。
机器学习概览及常见算法
机器学习(Machine Learning, ML)是人工智能的核心,专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能,它是使计算机具有智能的根本途径,其应用遍及人工智能的各个领域。 本课程将带你入门机器学习,掌握机器学习的概念和常用的算法。
目录
相关文章
|
存储 算法 C++
学习C++笔记429
C++ STL 教程
71 0
|
C++
学习C++笔记371
C++ 模板
85 0
|
编译器 C++
学习C++笔记359
C++ 命名空间
71 0
|
C++
学习C++笔记340
C++ 异常处理
78 0
|
C++
学习C++笔记316
C++ 数据抽象
92 0
|
C++
学习C++笔记291
C++ 继承
102 0
|
C++
学习C++笔记286
C++ 继承
90 0
|
数据安全/隐私保护 C++
学习C++笔记287
C++ 继承
84 0
|
C++
学习C++笔记216
C++ 字符串
95 0
|
C++
学习C++笔记211
C++ 字符串
91 0

热门文章

最新文章