YOLOv8改进 | 注意力机制 | 添加全局注意力机制 GcNet【附代码+小白必备】
本文介绍了如何在YOLOv8中集成GcNet，以增强网络对全局上下文的捕获能力。GcNet通过全局上下文模块、通道和空间注意力机制提升CNN对全局信息的利用。教程详细阐述了GcNet的原理，并提供了将GcNet添加到YOLOv8的代码实现步骤，包括创建ContextBlock类、修改init.py、task.py以及配置yaml文件。此外，还提供了训练和运行示例代码。完整代码和更多进阶内容可在作者的博客中找到。
796
0
0
YOLOv8 | 卷积模块 | 提高网络的灵活性和表征能力的动态卷积【附代码+小白可上手】
本教程介绍了如何在YOLOv8中使用动态卷积提升网络性能和灵活性。动态卷积利用注意力机制动态选择和组合卷积核，适应输入数据特征，解决了轻量级CNN的局限。文中提供了详细步骤教读者如何添加和修改代码，包括在`conv.py`中添加`Dynamic_conv2d`模块，更新`init.py`、`task.py`和`yaml`配置文件。此外，还分享了完整代码和进阶技巧，帮助深度学习初学者实践目标检测。参考[YOLOv8改进](https://blog.csdn.net/m0_67647321/category_12548649.html)专栏获取更多详情。
841
0
0
FFmpeg开发笔记（二十二）FFmpeg中SAR与DAR的显示宽高比
《FFmpeg开发实战》书中指出，视频宽高处理需考虑采样宽高比(SAR)，像素宽高比(PAR)和显示宽高比(DAR)。SAR对应AVCodecParameters的sample_aspect_ratio，PAR为width/height。当SAR的num与den不为1时，需计算DAR以正确显示视频。书中提供了转换公式和代码示例，通过SAR或DAR调整视频尺寸。在修正后的playsync2.c程序中，成功调整了meg.vob视频的比例，实现了正确的画面显示。
215
0
0
来自：
视频分割
版块
