YOLO11涨点优化:特征融合创新 | 一种基于内容引导注意力(CGA)的混合融合,实现暴力涨点 | IEEE TIP 2024 浙大-CSDN博客 涨点情况:NEU-DET缺陷检测中,原始mAP50为0.768,一种具有切片操作的SimAM注意力的内容引导注意力(CGA)的混合融合方案为mAP50为0.774 如何跟YOLO11结合:将backbone和neck的特征融合,改进结构图如...
我们可以用它来获取完整的信息,从而使从头开始训练的模型能够比使用大型数据集预训练的 SOTA 模型获得更好的结果。对比结果如图1所示。 YOLOv9框架图 2.NEU-DET数据集介绍 NEU-DET钢材表面缺陷共有六大类,一共1800张, 类别分别为:'crazing','inclusion','patches','pitted_surface','rolled-in_scale','s...
我们可以用它来获取完整的信息,从而使从头开始训练的模型能够比使用大型数据集预训练的 SOTA 模型获得更好的结果。对比结果如图1所示。 YOLOv9框架图 2.NEU-DET数据集介绍 NEU-DET钢材表面缺陷共有六大类,一共1800张, 类别分别为:'crazing','inclusion','patches','pitted_surface','rolled-in_scale','scratche...
我们可以用它来获取完整的信息,从而使从头开始训练的模型能够比使用大型数据集预训练的 SOTA 模型获得更好的结果。对比结果如图1所示。 1.1 YOLOv9框架介绍 YOLOv9各个模型介绍 2.NEU-DET数据集介绍 NEU-DET钢材表面缺陷共有六大类,一共1800张, 类别分别为:'crazing','inclusion','patches','pitted_surface'...
2.NEU-DET数据集介绍 NEU-DET钢材表面缺陷共有六大类,一共1800张, 类别分别为:'crazing','inclusion','patches','pitted_surface','rolled-in_scale','scratches' 2.1数据集划分 通过split_train_val.py得到trainval.txt、val.txt、test.txt
2.NEU-DET数据集介绍 NEU-DET钢材表面缺陷共有六大类，一共1800张，类别分别为：'crazing','inclusion...
本文是阿里巴巴在目标检测领域的工作(已被ICLR2022接收),提出了一种新颖的类“长颈鹿”的GiraffeDet架构,它采用了轻骨干、重Neck的架构设计范式。所提GiraffeDet在COCO数据集上取得了比常规CNN骨干更优异的性能,取得了54.1%mAP指标,具有更优异的处理目标大尺度变化问题的能力。
1.钢铁缺陷数据集介绍 NEU-DET钢材表面缺陷共有六大类,分别为:'crazing','inclusion','patches','pitted_surface','rolled-in_scale','scratches' 每个类别分布为: 2.基于YOLOv8的训练 原始网络如下: map@0.5为0.733 2 PConv 2.1 FasterNet介绍 ...
曾经走过的路: 电气工程专业相关数据集:可用于深度学习、目标检测等! 主要是电气与图像识别的交叉应用!传送门:我悟了--CSDN博客数据集包括: 1.输电线路异物数据集(4500张➕VOC) 2.输电线路鸟巢数据集(2000多张➕VOC) 3.输电线路鸟种数据集(8000张➕VOC) 4.输电线路绝缘子缺陷(4000多张➕VOC)… ...