💡💡💡本文独家改进:CAMixingBlock更好的提取全局上下文信息和局部特征,包括两个部分:卷积-注意融合模块和多尺度前馈网络;
💡💡💡红外小目标实现涨点,只有几个像素的小目标识别率提升明显
💡💡💡如何跟YOLOv8结合:1)放在backbone后增强对全局和局部特征的提取能力;2)放在detect前面,增强detect提取能力; 提供多种改进方案
💡💡💡多个私有数据集涨点明显,如缺陷检测、农业病害检测等;
改进1结构图如下:
改进2结构图如下:
💡💡💡本文独家改进:CAMixingBlock更好的提取全局上下文信息和局部特征,包括两个部分:卷积-注意融合模块和多尺度前馈网络;
💡💡💡红外小目标实现涨点,只有几个像素的小目标识别率提升明显
💡💡💡如何跟YOLOv8结合:1)放在backbone后增强对全局和局部特征的提取能力;2)放在detect前面,增强detect提取能力; 提供多种改进方案
💡💡💡多个私有数据集涨点明显,如缺陷检测、农业病害检测等;
改进1结构图如下:
改进2结构图如下:
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.rhkb.cn/news/295082.html
如若内容造成侵权/违法违规/事实不符,请联系长河编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!