目标检测算法——YOLOv5/YOLOv7改进之结合BiFPN
>>>深度学习Tricks,第一时间送达<<<
论文题目:《EfficientDet: Scalable and Efficient Object Detection》
论文地址: https://arxiv.org/abs/1911.09070.
EfficientDet是谷歌大脑 Mingxing Tan、Ruoming Pang 和 Quoc V. Le 提出新架构 EfficientDet,结合 EfficientNet(同样来自该团队)和新提出的 BiFPN,实现新的 SOTA 结果。
贡献:
- 提出一种全新的特征融合方法:重复加权双向特征金字塔网络 BiFPN ;
- 提出一种复合的缩放方法(EfficientNet方法):统一缩放 分辨率、深度、宽度、特征融合网络、box/class网络。
BiFPN 全称 Bidirectional Feature Pyramid Network 加权双向(自顶向下 + 自低向上)特征金字塔网络。
本文将YOLOv5中的PANet层修改为EfficientDet-BiFPN,实现自上而下与自下而上的深浅层特征双向融合,增强不同网络层之间特征信息的传递,明显提升YOLOv5算法检测精度,并且具有更加不错的检测性能。
那么,YOLOv5结合BiFPN需要修改以下几个地方:
1.修改common.py
class Concat_BiFPN(nn.Module):def __init__(self, c1):super(Concat, self).__init__()# self.relu = nn.ReLU()self.w = nn.Parameter(torch.ones(2, dtype=torch.float32), requires_grad=True)self.epsilon = 0.0001self.swish = Swish()def forward(self, x):weight = self.w / (torch.sum(self.w, dim=0) + self.epsilon)# Connections for P6_0 and P7_0 to P6_1 respectivelyx = self.swish(weight[0] * x[0] + weight[1] * x[1])return x
2.修改yolo.py
channel现在不是直接concat了,而是进行pairwise add操作,所以out-channel不再是sum。
# elif m is Concat:
# c2 = sum([ch[x] for x in f])elif m is Concat:c2 = max([ch[x] for x in f])
3.修改配置文件
根据自身结构在yolov5代码的hub/yolov5s.yaml 中加入Concat_BiFPN,这样就大功告成啦~
目标检测算法——YOLOv5/YOLOv7改进之结合BiFPN相关推荐
- 目标检测算法——YOLOv5/YOLOv7改进之结合GAMAttention
>>>深度学习Tricks,第一时间送达<<< 目录 超越CBAM,全新注意力GAM:不计成本提高精度! (一)前沿介绍 1.GAM结构图 2.相关实验结果 (二) ...
- 目标检测算法——YOLOv5/YOLOv7改进之结合PP-LCNet(轻量级CPU网络)
>>>深度学习Tricks,第一时间送达<<< 目录 PP-LCNet--轻量级且超强悍的CPU级骨干网络!! (一)前沿介绍 1.PP-LCNet主要模块 2. ...
- 目标检测算法——YOLOv5/YOLOv7改进之结合SOCA(单幅图像超分辨率)
>>>深度学习Tricks,第一时间送达<<< 目录 CVPR19 单幅图像超分辨率来了!!! (一)前沿介绍 论文题目:Second-order Attentio ...
- 目标检测算法——YOLOv5/YOLOv7改进之结合RepVGG(速度飙升)
>>>深度学习Tricks,第一时间送达<<< 目录 RepVGG--极简架构,SOTA性能!!! (一)前沿介绍 1.RepVGGBlock模块 2.相关实验结果 ...
- 目标检测算法——YOLOv5/YOLOv7改进|将IOU Loss替换为EIOU Loss
>>>深度学习Tricks,第一时间送达<<< 论文题目:<Focal and Efficient IOU Loss for Accurate Boundin ...
- 目标检测算法——YOLOv5/YOLOv7改进结合轻量型Ghost模块
>>>深度学习Tricks,第一时间送达<<< 论文题目:<GhostNet:More Features from Cheap Operations> ...
- 目标检测算法——YOLOv5/YOLOv7改进之结合无参注意力SimAM(涨点神器)
>>>深度学习Tricks,第一时间送达<<< 目录 (一)前言介绍 1.摘要 2.不同注意力步骤比较 (二)相关实验 (三)YOLOv5结合无参注意力SimAM ...
- 目标检测算法——YOLOv5/YOLOv7改进之结合CBAM注意力机制
深度学习Tricks,第一时间送达 论文题目:<CBAM: Convolutional Block Attention Module> 论文地址: https://arxiv.org/p ...
- 目标检测算法——YOLOv5/YOLOv7改进之结合轻量化网络MobileNetV3(降参提速)
>>>深度学习Tricks,第一时间送达<<< 论文题目:Searching for MobileNetV3 论文地址:https://arxiv.org/abs/ ...
最新文章
- 新版Bintray-极简上传Library到JCenter
- Android中程序向桌面和Launcher添加快捷方式
- 企业网站常用中英文对照表
- python 字典操作 内存占用_关于 python 的 dict 的内存占用问题....
- 一个有趣的问题 : 如何设计一个线程池
- 研究生文献笔记(obsidian模板分享!!):zotero+bookxnote pro+obsidian
- 数据结构面试经典问题汇总
- 全套web前端课程思维导图+视频+源码 web高端课程 深入学习 624个视频教程
- Android | Tangram动态页面之路(七)硬核的Virtualview
- ceph rbd mysql_ceph-rbd使用
- USB vs PS2_Codeforces
- java mcv_spring框架mcv的工作原理是什么?
- 安排软件保护服务在 2022-07-26T23:00:43Z 时重新启动成功。原因: RulesEngine
- Vmware Ubuntu无法完成文件拖拽
- 通达oa系统服务器端设置,通达OA系统secWall保密方案之一:服务器端部署
- 恭喜!Apache DophinScheduler 再登 GitHub Java Trending 榜单
- 车桥耦合(公路梁桥,斜拉桥,悬索桥等),方法有基于MATLAB-ANSYS建模程序求解
- 诺基亚S40机型新手美化攻略
- PMS150C应广单片机开发案例
- 整理的300多个User-Agent,拿去玩
热门文章
>>>深度学习Tricks,第一时间送达<<< 目录 超越CBAM,全新注意力GAM:不计成本提高精度! (一)前沿介绍 1.GAM结构图 2.相关实验结果 (二) ...
>>>深度学习Tricks,第一时间送达<<< 目录 PP-LCNet--轻量级且超强悍的CPU级骨干网络!! (一)前沿介绍 1.PP-LCNet主要模块 2. ...
>>>深度学习Tricks,第一时间送达<<< 目录 CVPR19 单幅图像超分辨率来了!!! (一)前沿介绍 论文题目:Second-order Attentio ...
>>>深度学习Tricks,第一时间送达<<< 目录 RepVGG--极简架构,SOTA性能!!! (一)前沿介绍 1.RepVGGBlock模块 2.相关实验结果 ...
>>>深度学习Tricks,第一时间送达<<< 论文题目:<Focal and Efficient IOU Loss for Accurate Boundin ...
>>>深度学习Tricks,第一时间送达<<< 论文题目:<GhostNet:More Features from Cheap Operations> ...
>>>深度学习Tricks,第一时间送达<<< 目录 (一)前言介绍 1.摘要 2.不同注意力步骤比较 (二)相关实验 (三)YOLOv5结合无参注意力SimAM ...
深度学习Tricks,第一时间送达 论文题目:<CBAM: Convolutional Block Attention Module> 论文地址: https://arxiv.org/p ...
>>>深度学习Tricks,第一时间送达<<< 论文题目:Searching for MobileNetV3 论文地址:https://arxiv.org/abs/ ...