irpas技术客

YOLO5 的改进点合集导航页 (新增YOLOv5网络结构图)_迪菲赫尔曼_yolov5改进

大大的周 700

项目地址:Yolov5_Magic 分享一些改进YOLOv5的技巧,不同的数据集效果肯定是不同的,有算力的话还是要多尝试


有关代码怎么使用,大家可以去看我的博文,或者官方的文档,我在这统一做一个汇总

手把手带你调参Yolo v5 (v6.2)(推理)🌟强烈推荐

手把手带你调参Yolo v5 (v6.2)(训练)🚀

手把手带你调参Yolo v5 (v6.2)(验证)

如何快速使用自己的数据集训练Yolov5模型

手把手带你Yolov5 (v6.2)添加注意力机制(一)(并附上30多种顶会Attention原理图)🌟强烈推荐🍀新增8种

手把手带你Yolov5 (v6.2)添加注意力机制(二)(在C3模块中加入注意力机制)

Yolov5如何更换激活函数?

Yolov5如何更换BiFPN?

Yolov5 (v6.2)数据增强方式解析

Yolov5更换上采样方式( 最近邻 / 双线性 / 双立方 / 三线性 / 转置卷积)

Yolov5如何更换EIOU / alpha IOU / SIoU?

Yolov5更换主干网络之《旷视轻量化卷积神经网络ShuffleNetv2》

YOLOv5应用轻量级通用上采样算子CARAFE

空间金字塔池化改进 SPP / SPPF / SimSPPF / ASPP / RFB / SPPCSPC / SPPFCSPC🚀

用于低分辨率图像和小物体的模块SPD-Conv

GSConv+Slim-neck 减轻模型的复杂度同时提升精度🍀

头部解耦 | 将YOLOX解耦头添加到YOLOv5 | 涨点杀器🍀

Stand-Alone Self-Attention | 搭建纯注意力FPN+PAN结构🍀

YOLOv5模型剪枝实战🚀

YOLOv5知识蒸馏实战🚀

YOLOv7知识蒸馏实战🚀

改进YOLOv5 | 引入密集连接卷积网络DenseNet思想 | 搭建密集连接模块🍀

YOLOv5更换骨干网络之 PP-LCNet🍀

YOLOv5更换骨干网络之 EfficientNet-B0🍀

YOLOv5更换骨干网络之 MobileNet V3🍀

YOLOv5更换骨干网络之 GhostNet🍀



Performance Modelsize(pixels)mAPval0.5:0.95mAPval0.5SpeedCPU b1(ms)SpeedV100 b1(ms)SpeedV100 b32(ms)params(M)FLOPs@640 (B)WeightsYOLOv5n64028.045.7456.30.61.94.5YOLOv5nYOLOv5s64037.456.8986.40.97.216.5YOLOv5sYOLOv5m64045.464.12248.21.721.249.0YOLOv5mYOLOv5l64049.067.343010.12.746.5109.1YOLOv5lYOLOv5x64050.768.976612.14.886.7205.7YOLOv5xYOLOv5n6128036.054.41538.12.13.24.6YOLOv5n6YOLOv5s6128044.863.73858.23.612.616.8YOLOv5s6YOLOv5m6128051.369.388711.16.835.750.0YOLOv5m6YOLOv5l6128053.771.3178415.810.576.8111.4YOLOv5l6YOLOv5x6+ TTA1280153655.055.872.772.73136-26.2-19.4-140.7-209.8-YOLOv5x6
SPP Structure Parameter and GFLOPs Model参数量(parameters)计算量(GFLOPs)SPP722588516.5SPPF723538916.5SimSPPF723538916.5ASPP1548572523.1BasicRFB789542117.1SPPCSPC1366354921.7SPPCSPC_group835513317.4
Others Structure Parameter and GFLOPs Model参数量(parameters)计算量(GFLOPs)TransposeConv upsampling724191716.6InceptionConv723359716.2BiFPN738400617.2ShuffleNetv238441938.1CARAFE736944517.0

项目所用的配置文件我都放在我的Github了,项目地址:Yolov5_Magic

还有一些其他tircks的实验结果我正在整理中,后续我会更新在Github的



1.本站遵循行业规范,任何转载的稿件都会明确标注作者和来源;2.本站的原创文章,会注明原创字样,如未注明都非原创,如有侵权请联系删除!;3.作者投稿可能会经我们编辑修改或补充;4.本站不提供任何储存功能只提供收集或者投稿人的网盘链接。

标签: #yolov5改进