💡💡💡本文原创自研创新改进:
优点:为了利用不同的池化核尺寸提取特征的方式可以获得更多的特征信息,提高网络的识别精度。
如何优化:在此基础上加入注意力机制,能够在不同尺度上更好的、更多的获取特征信息,从而获取全局视角信息并减轻不同尺度大小所带来的影响
强烈推荐,适合直接使用,paper创新级别
💡💡💡 在多个数据集验证涨点,尤其对存在多个尺度的数据集、小目标数据集涨点明显
SPPF_attention改进结构图如下:
收录
YOLOv5原创自研
💡💡💡本文原创自研创新改进:
优点:为了利用不同的池化核尺寸提取特征的方式可以获得更多的特征信息,提高网络的识别精度。
如何优化:在此基础上加入注意力机制,能够在不同尺度上更好的、更多的获取特征信息,从而获取全局视角信息并减轻不同尺度大小所带来的影响
强烈推荐,适合直接使用,paper创新级别
💡💡💡 在多个数据集验证涨点,尤其对存在多个尺度的数据集、小目标数据集涨点明显
SPPF_attention改进结构图如下:
收录
YOLOv5原创自研
Snu77
吴秋霖
芒果汁没有芒果
Snu77
知新_ROL
汽车电子助手
FPGA系统设计指南针
万里鹏程转瞬至
AI小怪兽
静静AI
迪菲赫尔曼
满天飞飞
一个处女座的程序猿
aworkholic
Snu77
2023面试高手
程序员杨弋
Autosar汽车电子进阶
洛奇看世界
CyberSecurity_zhang
贾宝玉的玉宝贾
迪菲赫尔曼
AI小怪兽
疯狂的机器人