本文记录的是利用小波卷积WTConv模块优化YOLOv10的目标检测网络模型。WTConv的目的是在不出现过参数化的情况下有效地增加卷积的感受野,从而解决了CNN在感受野扩展中的参数膨胀问题。本文将其加入到深度可分离卷积中,有效降低模型参数量和计算量,并二次创新,使模块更好地捕捉低频特征,增强网络性能。 专栏目录:YOLOv10改...
专栏地址:YOLOv10改进专栏—以发表论文的角度,快速准确的找到有效涨点的创新点! MobileOne Block是MobileOne架构中的基本模块。 二、MobileOne Block原理 2.1. 结构原理 基于MobileNetV1:以MobileNetV1的块(3x3深度卷积后跟1x1点卷积)为基础。 引入可重参数化跳过连接和分支:引入了可重参数化的跳跃连接以及复制该...
碉堡了!YOLOv10重磅开源!比YOLOv9延迟减少46%,比YOLIv8参数量少2.8倍,附YOLOv1-10,以及热门变体17篇,原文和源码都有#人工智能 #深度学习 #目标检测算法 #计算机视觉 #YOLO算法 - 搞算法的蒂普榭尔于20240525发布在抖音,已经收获了14.5万个喜欢,来抖音,记录美好生活
stride=(num_param,1),bias=bias),nn.BatchNorm2d(outc),nn.SiLU())# the conv adds the BN and SiLU to compare original Conv in YOLOv5.self.p_conv=nn.Conv2d(inc,2*num_param,kernel_size=3,padding=1,stride=stride)nn.init.constant_(self.p_conv.weight,0)self.p_conv.register_full_bac...