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
1.配置.yaml文件
2.配置common.py
3.修改yolo.py
SimAM:无参数Attention助力分类/检测/分割涨点!!!
(一)前言介绍
论文题目:SimAM: A Simple, Parameter-Free Attention Module for Convolutional Neural Networks
论文地址:http://proceedings.mlr.press/v139/yang21o/yang21o.pdf
源代码:https://github.com/ZjjConan/SimAM
1.摘要
本文提出一种概念简单且非常有效的注意力模块。不同于现有的通道/空域注意力模块,该模块无需额外参数为特征图推导出3D注意力权值。具体来说,基于著名的神经科学理论提出优化能量函数以挖掘神经元的重要性。进一步针对该能量函数推导出一种快速解析解并表明:该解析解仅需不超过10行代码即可实现。该模块的另一个优势在于:大部分操作均基于所定义的能量函数选择,避免了过多的结构调整。最后在不同的任务上对所提注意力模块的有效性、灵活性进行验证。
2.不同注意力步骤比较
(二)相关实验
对比其他注意力模型,+SimAM注意力后均表现出优秀的检测效果!!!
上表给出了ImageNet数据集上不同注意力机制的性能对比,从中可以看到:
1.所有注意力模块均可以提升基线模型的性能;
2.所提SimAM在ResNet18与ResNet101基线上取得了最佳性能提升;
3.对于ResNet34、ResNet50、ResNeXt50、MobileNetV2,所提SimAM仍可取得与其他注意力相当性能;
4.值得一提的是,所提SimAM并不会引入额外的参数;
5.在推理速度方面,所提SimAM与SE、ECA相当,优于CBAM、SRM。
(三)YOLOv5结合无参注意力SimAM
1.配置.yaml文件
添加方法灵活多变,和CBAM等注意力一样,Backbone或者Neck都可。
2.配置common.py
复制粘贴SimAM相关代码
class SimAM(nn.Layer):def __init__(self, lamda=1e-5):super().__init__()self.lamda = lamdaself.sigmoid = nn.Sigmoid() def forward(self, x):b, c, h, w = x.shapen = h * w - 1mean = paddle.mean(x, axis=[-2,-1], keepdim=True)var = paddle.sum(paddle.pow((x - mean), 2), axis=[-2, -1], keepdim=True) / ne_t = paddle.pow((x - mean), 2) / (4 * (var + self.lamda)) + 0.5 out = self.sigmoid(e_t) * xreturn out
3.修改yolo.py
找到parse_model函数,加入SimAM_Moudle模块即可。具体可参考CBAM注意力方法。
目标检测算法——YOLOv5/YOLOv7改进之结合无参注意力SimAM(涨点神器)相关推荐
- 目标检测算法——YOLOv5/YOLOv7改进之结合Swin Transformer V2(涨点神器)
- 目标检测算法——YOLOv5/YOLOv7改进之结合特征提取网络RFBNet(涨点明显)
关注"PandaCVer"公众号 >>>深度学习Tricks,第一时间送达<<<
- 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BiFPN
>>>深度学习Tricks,第一时间送达<<< 论文题目:<EfficientDet: Scalable and Efficient Object Detec ...
- 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 ...
最新文章
- 两大AI技术集于一身,有道词典笔3从0到1的飞跃
- 使用PyTorch进行情侣幸福度测试指南
- 新浪博客服务器维护,服务器安全维护
- pythontuple数据类型_Python数据类型之元组的详细介绍
- 启明云端方案分享| 小尺寸串口屏在充电桩的应用
- 【数据库学习】——windows、MySQL构建新闻管理系统(控制台版)
- 系统之家win11最新旗舰版64位镜像v2021.07
- ajax是宏任务还是微任务,(滴滴面试)事件循环Event Loop及微任务和宏任务的执行过程详解...
- linux 系统 cp: omitting directory 问题解决
- 【重点】LeetCode 124. Binary Tree Maximum Path Sum
- Prism6下的MEF:添加Logger
- python中列表是什么类型_Python数据类型之列表
- 华为荣耀手机 (HUAWEI Honor V9) USB 调试 - ADB 调试
- 神奇的零知识证明,既能保守秘密,又能让别人信你!
- BF算法和KMP算法详解
- Android 控制第三方音乐播放器
- 【1】机器人手眼标定:固定向上相机
- 双重差分法之安慰剂检验
- 怎么实时查看mysql当前连接数呢
- MySQL日志系列(2):binlog日志管理
热门文章
- zynq 的uart(ps)
- 为何你的生活那么无趣?
- android电视与苹果手机屏幕,原来手机投屏到电视这么简单,不需要第三方工具,快来看看...
- 2021年9月广州羊城杯,REVERSE的RE-BabySmc
- ANTs安装问题记录
- TSDB时序数据库-OpenTSDB
- android 圆角边框边框渐变,Android深度定制化TabLayout:圆角,渐变色,背景边框,圆角渐变下划线,基于Android原生TabLayout...
- 音频转换器怎么截取音频的其中一段
- 三星智能手机全球销量第一 苹果下一代iPhone将威胁其地位
- 初中学历怎么提高学历 有哪些途径
关注"PandaCVer"公众号 >>>深度学习Tricks,第一时间送达<<<
>>>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:<GhostNet:More Features from Cheap Operations> ...
>>>深度学习Tricks,第一时间送达<<< 论文题目:<EfficientDet: Scalable and Efficient Object Detec ...
>>>深度学习Tricks,第一时间送达<<< 论文题目:<Focal and Efficient IOU Loss for Accurate Boundin ...