笔者一共设计了三个尺度的ELANNet,分别时Tiny、Large以及Huge,分别取构建FreeYOLO-Tiny、Large和Huge,相应的预训练模型都已经提供好了,当然,在马赛克增强和300个epoch训练时长的加持下,我们也可以不用预训练模型的。另外,我们还会用到ShuffleNet-v2来构建FreeYOLO-Nano。 当然,读者也会在该文件中看到ELANNet_Nano类,...
与之前的版本不同,YOLOv4是由不同的作者引入的。A. Bochkovskiy等人通过使用CSPDarknet53架构、Bag-of-Freebies、Bag-of-Specials、mish激活函数、加权残差连接(WRC)、空间金字塔池化(SPP)和路径聚合网络(PAN)等方法来增强YOLO的性能。 2020年,Ultralytics推出了五种不同尺寸的YOLOv5,从nano到extra large不等。...
通过重新思考MLP层的设计,作者提出了结合了门控聚合与有效卷积残差连接思想的RG Block,它有效地捕捉局部依赖关系并增强模型的鲁棒性。 -作者设计了一套不同规模的Mamba-YOLO(Tiny/Base/Large)模型,以支持不同大小和规模的任务部署,并在两个数据集COCO和VOC上进行了实验,如图1所示,结果表明作者的Mamba-YOLO与现有最...
A. Bochkovskiy等人通过使用CSPDarknet53架构、Bag-of-Freebies、Bag-of-Specials、mish激活函数、加权残差连接(WRC)、空间金字塔池化(SPP)和路径聚合网络(PAN)等方法来增强YOLO的性能。 2020年,Ultralytics推出了五种不同尺寸的YOLOv5,从nano到extra large不等。YOLO经历了从新的Backbone架构到自动化超参数优化的...
新的Anchor-Free head对象检测算法。 新的损失函数。 此外,YOLOv8也非常高效和灵活,它可以支持多种导出格式,而且该模型可以在CPU和GPU上运行。 YOLOv8中提供的子模型 YOLOv8模型的每个类别中共有五个模型,以便共同完成检测、分割和分类任务。其中,YOLOv8 Nano是最快和最小的模型,而YOLOv8Extra Large(YOLOv8x)是...
一、FreeYOLOv2的网络结构 1.1 改进后的ELAN-Block模块 在上一代FreeYOLO项目中,整个网络结构就是copy了YOLOv7的网络结构配置,其核心为ELAN-Block模块,如图1所示,该模块包含四条并行分支来丰富梯度流,达到性能和参数之间的更好的平衡,该设计理念也成了后来的轻量网络设计的通用理念之一。
FreeYOLO-Tiny6406613.9 G6.2 M34.435.2github FreeYOLO-Large64050144.8 G44.1 M48.649.0github FreeYOLO-Huge64034257.8 G78.9 M50.050.0github WiderFace DownloadWiderFace. Prepare WiderFace WiderFace |_ WIDER_train | |_ images | |_ 0--Parade | |_ ... |_ WIDER_tval | |_ images | |_ 0--...
利用上述方法研制了YOLOv4-tiny和YOLO4v4-large模型。 以往模型缩放,如EfficientDet无非是首先选择网络基础模块,它往往又好又快,然后针对影响目标检测的重要参数如:网络宽度w、深度d、输入图像分辨率size等进行(满足一定条件下按照一定规律)调参,或者NAS自动调参。
新的Anchor-Free head对象检测算法。 新的损失函数。 此外,YOLOv8也非常高效和灵活,它可以支持多种导出格式,而且该模型可以在CPU和GPU上运行。 YOLOv8中提供的子模型 YOLOv8模型的每个类别中共有五个模型,以便共同完成检测、分割和分类任务。其中,YOLOv8 Nano是最快和最小的模型,而YOLOv8Extra Large(YOLOv8x)是...
FreeYOLO-Tiny 640 30.1 57.4 github FreeYOLO-Large 640 35.7 64.6 github FreeYOLO-Huge 640 35.8 64.8 github CrowdHuman Download CrowdHuman. CrowdHuman |_ CrowdHuman_train01.zip |_ CrowdHuman_train02.zip |_ CrowdHuman_train03.zip |_ CrowdHuman_val.zip |_ annotation_train.odgt |_ annotation_val....