芒果改进目录一览｜改进YOLOv5、YOLOv7等YOLO模型全系列目录_polyloss yolov5

🚀开源库 YOLOAir 🌟

作者CSDN芒果汁没有芒果
地址https://github.com/iscyy/yoloair

如果帮到您可以给个 star 🌟🌟🌟您的 star🌟 是我最大的鼓励

如果您觉得我的项目不错可以将我的 Github 链接https://github.com/iscyy/yoloair 随便转发

但如果您想基于 YOLOAir 的部分内容发文章或者博客请先私信我沟通后再将我的 Github 链接放到文章开头的位置并引用开源不易请尊重每个人的汗水

---

YOLO网络模型源代码训练推理教程解析

• 手把手调参最新 YOLOv7 模型 推理部分一🌟
• 手把手调参最新 YOLOv7 模型 训练部分二🌟

---

YOLO系列期刊创新点总结

• 💡🎈☁️国庆假期浏览了几十篇YOLO改进英文期刊总结改进创新的一些相同点(期刊创新点持续更新)

• 💡🎈☁️国庆假期看了一系列图像分割Unet、DeepLabv3+改进期刊论文总结了一些改进创新的技巧

最新创新点改进<进阶> 推荐🌟🌟🌟🌟🌟

以下内容只在CSDN芒果汁没有芒果博客专栏中全网首发最新专栏持续更新中✅

每篇博客 均为原创内容内含理论部分 以及 YOLO+多种改进代码以及给出思考点主要是让大家快速进行网络模型改进。✅

本专栏为YOLO改进指南进阶专栏 均为全网独家首发内容文章质量较高🔥🔥🔥

🏆目录

• 💡🎈☁️CSDN原创YOLO进阶目录 | 《芒果改进YOLO进阶指南》推荐

---

• 💡🎈☁️芒果改进YOLOv5系列最新原创提出改进 QARepNeXt 结构基于最新 QARepVGG 结构美团提出的一种量化感知方法再一次让 RepVGG 变得更好

---

• 💡🎈☁️芒果改进YOLOv7系列首发最新原创 ConXBv2 升级版结构当MAE遇见YOLO卷积 高效涨点最新版本使用 Masked Autoencoders 共同设计和缩放ConvNets

---

• 💡🎈☁️芒果改进YOLOv7系列首发结合最新 QARepVGG 升级Rep结构 本文对其进行原创改进 QARepNeXt 结构基于美团提出一种量化感知方法再一次让 RepVGG 变得更好

---

• 💡🎈☁️芒果改进YOLOv5系列当MAE遇见卷积操作全网最新原创 ConXBv2 升级版模型高效涨点最新论文版本使用 Masked Autoencoders 共同设计和缩放

---

• 💡🎈☁️芒果改进YOLOv5系列最新原创改进提出 v5-CReToNeXt 结构基于阿里达摩院出品的DAMOYOLO核心网络模型进行改进打造高性能检测器上

---

• 💡🎈☁️芒果改进YOLOv7系列首发最新提出改进 CReToNeXt 结构打造高性能检测器基于阿里达摩院出品的DAMOYOLO核心网络模型上

---

• 💡🎈☁️芒果改进YOLOv5系列全网首发最新原创打造RepGhostNeXt结构基于重参数化结构实现硬件高效的RepGhost模块、打造全新YOLOv5检测器

---

• 💡🎈☁️芒果改进YOLOv7、YOLOv7-Tiny系列全网首发最新原创RepGhostNeXt结构基于重参数化结构实现硬件高效的模块RepGhost 打造全新YOLOv7检测器

---

• 💡🎈☁️芒果改进YOLOv5系列首发结合最新NIPS2022华为诺亚的GhostNetV2 架构引入长距离注意力机制增强廉价操作构建更强端侧轻量型骨干打造高效轻量级检测器

---

• 💡🎈☁️芒果改进YOLOv7系列首发结合最新NeurIPS2022华为诺亚针对端侧设备的GhostNetV2 架构引入长距离注意力机制增强廉价操作构建更强端侧轻量型骨干打造高效轻量级检测器

---

• 💡🎈☁️芒果改进YOLOv7系列首发改进特征融合网络BiFPN结构融合更多有效特征

---

• 💡🎈☁️改进YOLOv7系列全网首发Dense设计核心最新提出DenseOne密集网络(适用YOLOv5)从另一个视角改进YOLO目标检测模型打造高性能检测器

---

• 💡🎈☁️改进YOLOv7系列全网首发最新基于TOOD标签分配策略改进提出变种ODRTA模型(适用YOLOv5改进)任务对齐学习TAL刷新单阶段目标检测新纪录

---

• 💡🎈☁️改进YOLOv7、YOLOv5系列手把手最新结合多种类Loss包括PolyLoss / VarifocalLoss / GeneralizedFLoss / QualityFLoss / DFL等

---

• 💡🎈☁️改进YOLOv5、YOLOv7系列首发最新改进一种强大性能的全新架构(顶会2022), 该架构精度超越TPH-YOLOv5, 新范式高效涨点

---

Transformer 之 MobieViT 完整系列三个大版本 改进

包括MobileViT、MobileViT v2、 MobileViT v3

• 💡🎈☁️芒果改进YOLOv7系列全网首发最新 MobileViTv3 系列最强版本三｜轻量化Transformer视觉转换器简单有效地融合了本地全局和输入特征

---

• 💡🎈☁️芒果改进YOLOv7系列全网首发最新苹果续作加强版 MobileViTv2 结构(二)提出移动视觉 Transformer 的可分离自注意力机制

---

• 💡🎈☁️芒果改进YOLOv7系列最新结合 ICLR2022 顶会|轻量通用的 MobileViT 结构 Transformer轻量级、通用且移动友好的视觉转换器MobileViT系列一

---

• 💡🎈☁️芒果改进YOLOv5系列全网首发最新 MobileViTv3 系列最强版本三｜轻量化Transformer视觉转换器简单有效地融合了本地全局和输入特征

---

• 💡🎈☁️芒果改进YOLOv5系列全网首发最新苹果续作加强版 MobileViTv2 结构(二)提出移动视觉 Transformer 的可分离自注意力机制

---

• 💡🎈☁️芒果改进YOLOv5系列最新结合 ICLR2022 顶会|轻量通用的 MobileViT 结构 Transformer轻量级、通用且移动友好的视觉转换器MobileViT系列一

---

• 💡🎈☁️更新中

---

还在持续更新中🚀🚀🚀

最新创新点改进 推荐🌟🌟🌟🌟

博主开源的YOLOAir算法库中没有集成的创新点仅在下列博客中

🏆目录

• 💡🎈☁️CSDN独家全网首发专栏 | 《目标检测YOLO改进指南》改进涨点推荐

---

• 💡🎈☁️改进YOLOv7系列最新结合即插即用CA(Coordinate attention) 注意力机制(适用于YOLOv5)CVPR 2021 顶会助力分类检测涨点

---

• 💡🎈☁️改进YOLOv7系列首发最新结合Global Context Modeling结构(附YOLOv5改进)目标检测高效涨点

---

• 💡🎈☁️改进YOLOv7系列首发最新结合多种X-Transformer结构新增小目标检测层让YOLO目标检测任务中的小目标无处遁形

---

• 💡🎈☁️改进YOLOv7系列结合Adaptively Spatial Feature Fusion自适应空间特征融合结构提高特征尺度不变性

---

• 💡🎈☁️改进YOLOv5系列首发结合最新Extended efficient Layer Aggregation Networks结构高效的聚合网络设计提升性能

---

• 💡🎈☁️改进YOLOv7系列首发结合最新CSPNeXt主干结构(适用YOLOv7)高性能低延时的单阶段目标检测器主干通过COCO数据集验证高效涨点

---

• 💡🎈☁️改进YOLOv7系列最新结合DO-DConv卷积、Slim范式提高性能涨点打造高性能检测器

---

• 💡🎈☁️改进YOLOv7系列结合最新即插即用的动态卷积ODConv高效涨点

---

• 💡🎈☁️改进YOLOv7系列首发结合最新Transformer视觉模型MOAT结构交替移动卷积和注意力带来强大的Transformer视觉模型超强的提升

---

• 💡🎈☁️改进YOLOv7系列首发结合最新Centralized Feature Pyramid集中特征金字塔通过COCO数据集验证强势涨点

---

• 💡🎈☁️改进YOLOv7系列首发结合 RepLKNet 构建 最新 RepLKDeXt 结构｜CVPR2022 超大卷积核, 越大越暴力,大到31x31, 涨点高效

---

• 💡🎈☁️改进YOLOv5系列4.YOLOv5_最新MobileOne结构换Backbone修改超轻量型架构移动端仅需1ms推理苹果最新移动端高效主干网络

---

• 💡🎈☁️改进YOLOv7系列最新HorNet结合YOLOv7应用 | 新增 HorBc结构多种搭配即插即用 | Backbone主干、递归门控卷积的高效高阶空间交互

---

注意力机制系列CSDN芒果汁没有芒果 首发

内容均为CSDN芒果汁没有芒果首发在别的地方看到的 都是源于此

🏆目录

• 改进YOLOv5, YOLOv7系列1.YOLO超全注意力机制汇总 | S2A, SE,SimAM, SKA,ShA, SOCA, CA, CBAM, CrissCrossA, NAM, GAM等🌟(注意力机制汇总)

---

其他改进点博客教程

🏆目录

• 💡🎈☁️改进YOLOv5系列结合ShuffleNet V2主干网络高效CNN架构设计的实用指南

---

• 💡🎈☁️改进YOLOv7系列 最新结合用于小目标的新CNN卷积构建块

---

• 💡🎈☁️改进YOLOv5系列增加Swin-Transformer小目标检测头

---

• 💡🎈☁️改进YOLOv7系列最新结合BoTNet Transformer结构一种简单却功能强大的backbone自注意力提高模型性能

---

• 💡🎈☁️改进YOLOv7系列首发结合CotNet Transformer结构指导动态注意力矩阵的学习增强视觉表示能力。

---

• 改进YOLOv5系列29.YOLOv5 结合 极简又强大的RepVGG 重参数化模型结构🌟

---

• 改进YOLOv7系列28.YOLOv7 结合 Swin Transformer V2结构Swin Transformer V2通向视觉大模型之路🌟

---

• 改进YOLOv5系列27.YOLOv5 结合 Swin Transformer V2结构Swin Transformer V2通向视觉大模型之路🌟

---

• 改进YOLOv7系列26.CVPR2022. ConvNeXt结合YOLOv7 | 基于ConvNeXt结构 构建 CNeB 模块🌟

---

• 改进YOLOv7系列25.YOLOv7 加入RepVGG模型结构重参数化 极简架构🌟

---

• 改进YOLOv7系列24.添加SimAM注意力机制🌟

---

• 改进YOLOv7系列23.YOLOv7添加CBAM注意力机制🌟

---

• 改进YOLOv7系列22.最新HorNet结合YOLOv7应用🌟

---

• 改进YOLOv7系列21.添加ShuffleAttention注意力机制🌟

---

• 改进YOLO系列4.YOLOv5_最新MobileOne结构换Backbone修改超轻量型架构移动端仅需1ms推理苹果最新移动端高效主干网络🌟

---

• 改进YOLO系列10.最新HorNet结合YOLO应用首发 | 多种搭配即插即用 | Backbone主干、递归门控卷积的高效高阶空间交互🌟

---

• 改进YOLO系列9.BoTNet Transformer结构的修改🌟

---

• 改进YOLO系列8.增加ACmix结构的修改,自注意力和卷积集成🌟

---

• 改进YOLO系列7.修改DIoU-NMS,SIoU-NMS,EIoU-NMS,CIoU-NMS,GIoU-NMS🌟

---

• 改进YOLO系列6.修改Soft-NMS,Soft-CIoUNMS,Soft-SIoUNMS🌟

---

• 改进YOLO系列5.CotNet Transformer结构的修改🌟

---

• 改进YOLO系列4.YOLOv5_最新MobileOne结构换Backbone修改🌟

---

• 改进YOLO系列3.Swin Transformer结构的修改🌟

---

• 改进YOLO系列2.PicoDet结构的修改🌟

---

• 改进YOLO系列1.多种注意力机制修改🌟

---

• 改进YOLO系列12.添加ShuffleAttention注意力机制🌟

---

• 改进YOLO系列13.添加CrissCrossAttention注意力机制🌟

---

• 改进YOLO系列14.添加S2-MLPv2注意力机制🌟

---

• 改进YOLO系列15.添加SimAM注意力机制🌟

---

• 改进YOLO系列16.添加SKAttention注意力机制🌟

---

• 改进YOLO系列17.添加NAMAttention注意力机制🌟

---

• 改进YOLO系列18.添加SOCA注意力机制🌟

---

• 改进YOLO系列18.添加CBAM注意力机制🌟

---

• 改进YOLO系列19.添加SEAttention注意力机制🌟

---

• 改进YOLO系列20.添加GAMAttention注意力机制🌟

---