V
主页
YoloV8改进策略:BackBone改进|ECA-Net:用于深度卷积神经网络的高效通道注意力
发布人
🔥🚀本专栏教你如何嗨翻Yolov8!🚀🔥 💡升级大招:汲取最新论文精华,给你一整套Yolov8升级秘籍!包括但不限于:注意力加持、卷积大换血、Block革新、Backbone升级、Head重塑,还有优化器大换血!每篇都是干货,给你N种升级选择! 📊订阅专享:订阅后,独家资源等你解锁!实测数据集、详细代码和PDF教程,全部为你精心准备,只为你能更深入地学习和提升! https://blog.csdn.net/m0_47867638/category_12295903.html
打开封面
下载高清视频
观看高清视频
视频下载器
YoloV8改进策略:BackBone改进|Mamba-UNet改进YoloV8,打造全新的Yolo-Mamba网络
YoloV8改进策略:主干网络篇|MobileNetV4主干替换YoloV8的BackBone(独家原创)
YoloV8改进策略:卷积改进|RefConv打造轻量化YoloV8利器
YoloV8改进策略:注意力改进|Mamba-UNet改进YoloV8,打造全新的Yolo-Mamba网络
YoloV8改进策略:Block改进|DCNv4最新实践|高效涨点|完整论文翻译
YoloV8改进策略:BackBone改进|TransNeXt——ViT的鲁棒Foveal视觉感知
YoloV8改进策略:改进Head|自研频域和空间注意力,超越GAM,CBAM等注意力|注意力创新改进|高效涨点|代码注释与改进|包括改进后的结构图
YoloV8改进策略:Conv改进|TBC卷积,代码注释|多种改进方法|轻量又涨点|即插即用
YoloV8改进策略:Block篇|FFA-Net:用于单图像去雾的特征融合注意力网络(独家原创)
YoloV8改进策略:注意力篇|Block改进|附结构图|自研基于xLSTM的注意力(全网首发)
YoloV8改进策略:全局注意力机制|注意力改进|高效涨点|代码注释与改进|包括改进后的结构图
导师不教我来教!20分钟详解YOLOV10原理与代码,精简直接、通俗易懂!-深度学习/神经网络/目标检测
【无敌】YOLO-World杀疯了!手把手带深度解析YOLO-World实时开集目标检测,极其通俗易懂草覆虫都能学会~
YoloV8改进策略:Block改进|Mamba-UNet改进YoloV8,打造全新的Yolo-Mamba网络
YoloV8改进策略:Block改进|焦点调制网络(独家原创)
YoloV8改进策略:下采样改进|HWD改进下采样
YoloV8改进策略:注意力改进|基于Tied的SE注意力,代码注释:多种改进方法|轻量又涨点|即插即用
YoloV8改进策略:主干网络改进|MogaNet——高效的多阶门控聚合网络
YoloV8改进策略:BackBone改进|焦点调制网络
使用 YOLOv8+改进 PSMNet 立体匹配,实现目标检测与测距
YoloV8改进策略:改进BackBone|自研频域和空间注意力,超越GAM,CBAM等注意力|注意力创新改进|高效涨点|代码注释与改进|包括改进后的结构图
YoloV8改进策略:Neck改进和Head改进:HAM混合注意力机制改进YoloV8|多种改进,多种姿势涨点|代码注释详解
YoloV8改进策略:Block改进|ECA-Net:用于深度卷积神经网络的高效通道注意力|ECA+压缩膨胀Block实现涨点(独家原创)
YoloV8改进策略:Block改进|MogaNet——高效的多阶门控聚合网络
YoloV8改进策略:基于RevCol,可逆的柱状神经网络的完美迁移,YoloV8的上分利器
YoloV8改进策略:卷积改进|MogaNet——高效的多阶门控聚合网络
YoloV8改进策略:IoU改进|Iou Loss最新实践|高效涨点|完整论文翻译
即插即用的高效多尺度注意力机制模块EMA
YOLOv8+PSMNet+Deepsort,实现目标检测、追踪和测距!
B站强推!Pytorch入门到精通!不愧是2024公认最通俗易懂的【PyTorch】教程(深度学习/PyTorch安装/Pytorch教程/机器学习/神经网络)
YoloV8改进策略:Block改进|轻量实时的重参数结构|最新改进|即插即用(全网首发)
YoloV8改进策略:Block改进|PKINet(独家原创)
YoloV8最新改进手册——高阶篇
【整整200集】不愧是李飞飞,一口把深度学习、计算机视觉、神经网络、图像处理、图像分割、目标检测、物体识别给讲透了,新手小白秒上手!-人工智能/计算机视觉
WSL安装Ubuntu22.04,以及深度学习环境的搭建
YoloV8改进策略:Block改进|2024年,遥感图像最新主干PKINet(独家改进,全网首发)
YoloV8改进策略:Neck篇|自研Neck层融合模型|深度特征与浅层特征融合,涨点明显|附结构图(独家原创)
【带源码开源】YOLOv8 摔倒检测,自己训练的模型,pyside6的GUI
YoloV8改进策略:Block篇|引入UIB模块,打造轻量级的YoloV8|多模块融合(独家原创)
YoloV8改进策略:改进Neck|自研频域和空间注意力,超越GAM,CBAM等注意力|注意力创新改进|高效涨点|代码注释与改进|包括改进后的结构图