1. YOLO系列算法 近几年,YOLO系列的模型如YOLOv3、YOLOv4、YOLOv5、YOLOv6、YOLOv7、YOLOv8等已成为领先的目标检测算法;并且很多研究都是在以上算法的基础上,通过修改结构、完善数据增强算法、设计新的损失函数等,进一步提升YOLO系列的性能。 2. YOLO系列存在的问题 现有的YOLO算法,虽然通过FPN和PANet进行多尺度特征...
这篇论文提出了一种新的Gather-and-Distribute(GD)机制,用于解决YOLO系列模型中的信息融合问题。具体来说, 1. Gather-and-Distribute机制:该机制通过卷积和自注意力操作实现多尺度特征的全局融合,并将全局信息注入到高层特征中。GD机制包括两个分支:浅层Gather-and-Distribute分支和深层Gather-and-Distribute分支。浅层...
论文链接: https://arxiv.org/abs/2309.11331 PyTorch 代码: https://github.com/huawei-noah/Efficient-Computing/tree/master/Detection/Gold-YOLO MindSpore代码: https://gitee.com/mindspore/models/tree/master/research/cv/Gold_YOLO 引言 YOLO系列模型面世至今已有8年,由于其优异的性能,已成为目标检测领域的标...
Gold-YOLO的网络结构与YOLOv3-v8相似，关键区别在于Neck阶段，采用Low-GD代替PANet上采样，High-GD代替PANet下采样。GD机制通过收集-分发流程，包括特征对齐、信息融合和分发模块，实现有效信息传递。GD机制包含三个模块：特征对齐模块（FAM）、特征信息融合模块（IFM）和特征信息分发模块（Inject）。其中，Low...
我们针对传统类 FPN 结构中存在的跨层信息损失的问题,提出了全新的信息聚集-分发(Gather-and-Distribute Mechanism)GD 机制,通过在全局视野上对不同层级的特征进行统一的聚集融合并分发注入到不同层级中,构建更加充分高效的信息交互融合机制,并基于 GD 机制构建了 Gold-YOLO。在 COCO 数据集中,我们的 Gold-YOLO 超越...
10:06 YOLOv8最新改进系列:YOLOV8主干改进-华为诺亚提出全新骨干架构VanillaNet,YOLOv8融合深度学习极简主义的力量,大力提升模型鲁棒性!! 03:43 最新改进系列常见错误更新、过拟合现象识别与解决办法 12:56 论文看起来高端大气上档次的热力图,它来了!!SCI可入! 已放入系列改进源码中! 03:43 YOLOv8最新改进系...
研究生如何写论文 超越YOLOv8!华为提出Gold-YOLO:高效实时目标检测器 超越YOLO系列(v5、v6、v7、v8)!Gold-YOLO:一种全新的实时目标检测器,提出一种GD新机制,通过卷积和自注意力操作来实现,增强了多尺度特征融合能力,并首次在 YOLO 系列中实现了 MAE 式的预训练,在所有模型尺度上实现了延迟和准确性之间的理想平衡...
在Gold-YOLO中,针对模型需要检测不同大小的物体的需要,并权衡精度和速度,我们构建了两个GD分支对信息进行融合:低层级信息聚集-分发分支(Low-GD)和高层级信息聚集-分发分支(High-GD),分别基于卷积和transformer提取和融合特征信息。 实验结果: 2.gold-yolo引入到yolov8 ...
本文给大家带来的改进机制是Gold-YOLO利用其Neck改进v8的Neck,GoLd-YOLO引入了一种新的机制——信息聚集-分发(Gather-and-Distribute, GD)。这个机制通过全局融合不同层次的特征并将融合后的全局信息注入到各个层级中,从而实现更高效的信息交互和融合。这种方法增强了模型的颈部(neck)信息融合能力(有点类似于长颈鹿的...
我也一脸懵逼啊,这链接论文的标题明明是 YOLO 强无敌,但是本文中的 side effect 的确也是副作用的意思,所以我觉得这个 副作用 应该是附加作用,而不是一个贬义词。 译成 这是训练神经网络的附加作用 或者 这是训练神经网络的意外之喜 大概好一点??Contributor...