ASF-YOLO基于YOLO分割框架,采用尺度序列特征融合(SSFF)模块来增强网络的多尺度信息提取能力,并采用三重特征编码器(TPE)模块融合不同尺度的特征图以提高细节信息。本文引入了一个通道和位置注意力机制(CPAM),将SSFF和TPE模块集成起来,专注于信息通道和空间位置相关的小对象,以改善检测和分割性能。 2. ASF-YOLO的主要...
一、本文介绍 本文记录的是利用ASF-YOLO提出的颈部结构优化YOLOv11的目标检测网络模型。将YOLOv11的颈部网络改进成ASF-YOLO的结构,使模型能够有效的融合多尺度特征,捕获小目标精细信息,并根据注意力机制关注小目标相关特征,显著提高模型精度。 专栏目录:YOLOv11改进目录一览 | 涉及卷积层、轻量化、注意力、损失函数、...
在本文中,作者提出了一种基于单阶段实例分割的细胞图像模型,该模型将注意力 尺度序列融合(Attentional Scale Sequence Fusion)集成到YOLO框架(ASF-YOLO)中。首先使用CSPDarknet53 Backbone 网络在特征提取阶段从细胞图像中提取多维特征信息。作者提出了细胞实例分割部分的新颖网络设计。本工作的贡献如下: 针对不同类型细胞...
此外,还引入了一个Channel and Position Attention Mechanism (CPAM),以整合SSFF和TPE模块,该机制专注于信息通道和空间位置相关的小物体,以改进检测和分割性能。在两个细胞数据集上的实验验证表明,本文提出的ASF-YOLO模型在分割准确性和速度方面均表现出色,在2018 Data Science Bowl数据集上达到了0.91的box mAP、0.887...
ASF-YOLO的主要创新点包括: 1. 尺度序列特征融合(SSFF)模块:用于增强网络在多尺度信息提取上的能力。 2. 三重特征编码器(TFE)模块:融合不同尺度的特征图以增加详细信息。 3. 通道和位置注意力机制(CPAM):集成SSFF和TFE模块,专注于信息通道和与空间位置相关的小对象,从而提高检测和分割性能。
代码链接:https://github.com/mkang315/ASF-YOLO 摘要(Abstract) 作者提出了一种新颖的基于 "You Only Look Once"(YOLO)的注意力尺度序列融合框架(ASF-YOLO),该框架结合了空间和尺度特征,可实现准确、快速的细胞实例分割。在 YOLO 分割框架的基础上,采用尺度序列特征融合(SSFF)模块来增强网络的多尺度信息提取能...
ASF-YOLO的主要创新点包括: 1. 尺度序列特征融合(SSFF)模块:用于增强网络在多尺度信息提取上的能力。 2. 三重特征编码器(TFE)模块:融合不同尺度的特征图以增加详细信息。 3. 通道和位置注意力机制(CPAM):集成SSFF和TFE模块,专注于信息通道和与空间位置相关的小对象,从而提高检测和分割性能。 4. 优异的细胞...
简介:ASF-YOLO开源 | YOLOv5范式永不言败,SSFF融合+TPE编码+CPAM注意力,再战精度巅峰! 作者提出了一种新颖的注意力尺度序列融合基于YOLO框架(ASF-YOLO),该框架结合了空间和尺度特征,以实现精确快速的细胞实例分割。在YOLO分割框架的基础上,作者采用了尺度序列特征融合(SSFF)模块来增强网络的多尺度信息提取能力,并...
首先,在YOLOv8的基础架构上,加入一种注意尺度序列融合机制(Attentional Scale Sequence Fusion, ASF),该机制能够对不同尺度的特征图进行融合,从而获得更好的图像特征,提取出更丰富、更准确的特征信息。然后,对损失函数进行改进,引入Inner-IoU,通过辅助边框计算IoU损失,进一步提高算法的检测精度。实验结果表明,在VisDrone...
A novel attentional scale sequence fusion based on YOLO.Three novel modules in the neck part of the YOLO framework.We introduce scale sequence feature fusion and triple feature encoding modules.We introduce a novel channel and position attention mechanism.ASF-YOLO achieves competitive performance in bo...