关键词：

写在前面：
首先感谢兄弟们的关注和订阅，让我有创作的动力，在创作过程我会尽最大能力，保证作品的质量，如果有问题，可以私信我，让我们携手共进，共创辉煌。

1. SEnet介绍

CNN网络中，图像或者说特征图Feature Map的特征主要分为空间特征（Spatial）和通道（Channel）特征。对于空间特征来说，在CNN网络正向传播的过程中，通过卷积运算从输入特征一步步的卷积操作得到新的特征图Feature Map的本质上来说，卷积操作是局部特征，那么随着网络正向传播的深入，到深层网络的特征图的感受野会远大于浅层网络特征图的感受野，说明深层网络有着更多的空间维度信息。对于通道特征来说，是通过卷积操作后得到的空间特征，并在通道维度上进行融合而得到。

SEnet就是对通道维度的注意力机制，上面介绍了通道特征是对空间特征Featue Map的融合。其实同一个通道维度的不同的Feature Map是用着不同的重要程度的，也就是说对于同一个Feature Map里面的信息权重的分配是不同的。SETNET就是针对通道维度上的特征进行信息权重分配，重要的信息获取更多的权重，轻量的信息获取较少的权重分配，这样就可以学习到通道特征的重要程度，下面是SENET论文Squeeze-and-Excitation（SE）模块的设计图：

理论来源：
https://arxiv.org/abs/1709.01507

yolov5改进助力涨点

...塔网络结构（最新论文改进方法）📃增加小目标检测层，提高模型对小目标物体的识别能力🏀对模型进行轻量化处理🚩更换YOLOv5主干网络🕐.........(后续待更）😜YOLOv5基础网络结构 查看详情

改进yolov5系列：首发结合最新cspnext主干结构(适用yolov7)，高性能，低延时的单阶段目标检测器主干，通过coco数据集验证高效涨点

查看详情

改进yolov5系列：增加swin-transformer小目标检测头(代码片段)

...一使用YOLOv5代码框架，结合不同模块来构建不同的YOLO目标检测模型。🌟本项目包含大量的改进方式,降低改进难度,改进点包含【Backbone特征主干】、【Neck特征融合】、【Head检测头】、【注意力机制】、【IoU损失函数】、... 查看详情

改进yolov5系列：10.最新hornet结合yolo应用首发！|eccv2022出品，多种搭配，即插即用|backbone主干递归门控卷积的高效高阶空间交互(代码片段)

...一使用YOLOv5代码框架，结合不同模块来构建不同的YOLO目标检测模型。🌟本项目包含大量的改进方式,降低改进难度,改进点包含【Backbone特征主干】、【Neck特征融合】、【Head检测头】、【注意力机制】、【IoU损失函数】、... 查看详情

睿智的目标检测56——pytorch搭建yolov5目标检测平台(代码片段)

睿智的目标检测56——Pytorch搭建YoloV5目标检测平台学习前言源码下载YoloV5改进的部分（不完全）YoloV5实现思路一、整体结构解析二、网络结构解析1、主干网络Backbone介绍2、构建FPN特征金字塔进行加强特征提取3、利用YoloHe... 查看详情

睿智的目标检测55——keras搭建yolov5目标检测平台(代码片段)

睿智的目标检测55——Keras搭建YoloV5目标检测平台学习前言源码下载YoloV5改进的部分（不完全）YoloV5实现思路一、整体结构解析二、网络结构解析1、主干网络Backbone介绍2、构建FPN特征金字塔进行加强特征提取3、利用YoloHead... 查看详情

目标识别yolov5针对小目标检测的改进模型/添加帧率检测(代码片段)

...下采样。对于一些分辨率很高的遥感/无人机图片，小目标难以被训练识别。本篇博文就来尝试这篇博文YOLOV5模型和代码修改——针对小目标识别所提到的一种改进方案。我所使用的是YOLOv5-5.0版本，数据集采用VisDrone数据... 查看详情

改进yolov5系列：4.yolov5_最新mobileone结构换backbone修改，超轻量型架构，移动端仅需1ms推理！苹果最新移动端高效主干网络(代码片段)

🚀🚀🚀YOLOv5改进，适用于YOLOv7、YOLOv4、Scaled_YOLOv4、YOLOv3、YOLOR一系列YOLO算法的模块改进🎈🎈🎈QAQ一系列YOLO算法改进Trick排列组合！很多Trick排列组合助力论文实验🏆数据集涨点🏆创新 查看详情

目标检测yolo系列-yolo_v5学习笔记

文章参考自江大白知乎文章，作为yoloV5的学习记录笔记。知乎链接：https://zhuanlan.zhihu.com/p/172121380目录一、Yolov5四种网络模型二、yolo_v5改进点详解1输入端改进1）Mosaic数据增强2）自适应锚框计算3）自适应图片... 查看详情

目标检测yolo系列-yolo_v5学习笔记

文章参考自江大白知乎文章，作为yoloV5的学习记录笔记。知乎链接：https://zhuanlan.zhihu.com/p/172121380目录一、Yolov5四种网络模型二、yolo_v5改进点详解1输入端改进1）Mosaic数据增强2）自适应锚框计算3）自适应图片... 查看详情

目标检测论文解读复现之八：基于yolov5s的滑雪人员检测研究

前言   此前出了目标改进算法专栏，但是对于应用于什么场景，需要什么改进方法对应与自己的应用场景有效果，并且多少改进点能发什么水平的文章，为解决大家的困惑，此系列文章旨在给大家解读最新... 查看详情

目标检测论文解读复现no.25基于改进yolov5的地铁隧道附属设施与衬砌表观病害检测方法

前言此前出了目标改进算法专栏，但是对于应用于什么场景，需要什么改进方法对应与自己的应用场景有效果，并且多少改进点能发什么水平的文章，为解决大家的困惑，此系列文章旨在给大家解读最新目标... 查看详情

快速入门yolov5目标检测算法(代码片段)

文章目录一、YOLOv5简介二、网络结构1、Input2、Backbone3、Neck4、Head三、改进方法1、自适应锚框计算2、自适应灰度填充四、性能表现五、YOLOv5入门实战一、YOLOv5简介YOLOv5是一个在COCO数据集上预训练的物体检测架构和模型系列，... 查看详情

yolox改进之一：添加cbamseeca注意力机制(代码片段)

...M双通道注意力机制为例，可以让网络更加关注待检测目标，提高检测效果，解决复杂环境背景下容易错漏检的情况。添加方法：第一步：确定添加的位置，作为即插即用的注意力模块，可以添加到YOLOX... 查看详情

改进yolov7系列：最新结合即插即用ca(coordinateattention)注意力机制(适用于yolov5)，cvpr2021顶会助力分类检测涨点！(代码片段)

...YOLOv5、YOLOv7代码框架，结合不同模块来构建不同的YOLO目标检测模型。论文所提的Coordinate注意力很简单，可以灵活地插入到经典的移动网络中，而且几乎没有计算开销。大量实验表明，Coordinate注意力不仅有益于Imag... 查看详情

改进yolo系列|yolov5/v7更换骨干网络之mobilenext

...obileNetV2提高1.7%以上。在PascalVOC2007测试集上，我们观察到目标检测的mAP也提高了0.9%。我们进一步通过将其加入神经架构搜索方法DARTS的搜索空间来验证沙漏块的有效性。在25%参数减少的情况下，分类准确率比之前的DARTS模型提高... 查看详情

目标检测yolov5遇上知识蒸馏(代码片段)

前言模型压缩方法主要4种：网络剪枝(Networkpruning)稀疏表示(Sparserepresentation)模型量化(Modelquantification)知识蒸馏(Konwledgedistillation)本文主要来研究知识蒸馏的相关知识，并尝试用知识蒸馏的方法对YOLOv5进行改进。知识蒸馏理... 查看详情

yolov5改进之加入cbam,se,eca,ca,simam,shuffleattention,criss-crossattention,crisscrossattention多种注意力机制(代码片

本文所涉及到的yolov5网络为6.1版本（6.0-6.2均适用）yolov5加入注意力机制模块的三个标准步骤（适用于本文中的任何注意力机制）1.common.py中加入注意力机制模块2.yolo.py中增加对应的注意力机制关键字3.yaml文件中添... 查看详情