卷积篇 | YOLOv8改进之引入重新参数化再聚焦卷积RefConv | 即插即用

2024-06-20 19:04

文章标签 卷积 yolov8 化再 refconv 即插即用聚焦引入参数改进重新

本文主要是介绍卷积篇 | YOLOv8改进之引入重新参数化再聚焦卷积RefConv | 即插即用，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

前言：Hello大家好，我是小哥谈。论文提出了重新参数化再聚焦卷积RefConv作为常规卷积层的替代品，它是一个即插即用模块，可以在没有任何推理成本的情况下提高性能。具体来说，在给定预训练模型的情况下，RefConv对从预训练模型继承的基核进行可训练的再聚焦变换，以建立参数之间的联系。本文所做出的改进就是在YOLOv8中引入重新参数化再聚焦卷积RefConv，希望大家学习之后能够有所收获~！🌈

目录

🚀1.基础概念

🚀2.网络结构

🚀3.添加步骤

🚀4.改进方法

🍀🍀步骤1：创建RefConv.py文件

🍀🍀步骤2：block.py文件修改

🍀🍀步骤3：tasks.py文件修改

🍀🍀步骤4：创建自定义yaml文件

🍀🍀步骤5：新建train.py文件

🍀🍀步骤6：模型训练测试

这篇关于卷积篇 | YOLOv8改进之引入重新参数化再聚焦卷积RefConv | 即插即用的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

http://www.chinasem.cn/article/1078987。 23002807@qq.com

相关文章

（超详细）YOLOV7改进-Soft-NMS(支持多种IoU变种选择)

（超详细）YOLOV7改进-Soft-NMS(支持多种IoU变种选择)

1.在until/general.py文件最后加上下面代码 2.在general.py里面找到这代码，修改这两个地方 3.之后直接运行即可

阅读更多...

YOLOv8改进 | SPPF | 具有多尺度带孔卷积层的ASPP【CVPR2018】

YOLOv8改进 | SPPF | 具有多尺度带孔卷积层的ASPP【CVPR2018】

💡💡💡本专栏所有程序均经过测试，可成功执行💡💡💡 专栏目录：《YOLOv8改进有效涨点》专栏介绍 & 专栏目录 | 目前已有40+篇内容，内含各种Head检测头、损失函数Loss、Backbone、Neck、NMS等创新点改进——点击即可跳转 Atrous Spatial Pyramid Pooling (ASPP) 是一种在深度学习框架中用于语义分割的网络结构，它旨

阅读更多...

ABAP怎么把传入的参数刷新到内表里面呢?

ABAP怎么把传入的参数刷新到内表里面呢?

1.在执行相关的功能操作之前,优先执行这一段代码,把输入的数据更新入内表里面 DATA: lo_guid TYPE REF TO cl_gui_alv_grid.CALL FUNCTION 'GET_GLOBALS_FROM_SLVC_FULLSCR'IMPORTINGe_grid = lo_guid.CALL METHOD lo_guid->check_changed_data.CALL M

阅读更多...

Java面试八股之JVM参数-XX:+UseCompressedOops的作用

Java面试八股之JVM参数-XX:+UseCompressedOops的作用

JVM参数-XX:+UseCompressedOops的作用 JVM参数-XX:+UseCompressedOops的作用是启用对象指针压缩（Ordinary Object Pointers compression）。这一特性主要应用于64位的Java虚拟机中，目的是为了减少内存使用。在传统的64位系统中，对象引用（即指针）通常占用8字节（64位），而大部分应用程序实际上并不需要如此大的地址空间

阅读更多...

关于命令行参数argv（《学习OpenCV》）

关于命令行参数argv（《学习OpenCV》）

在《学习OpenCV》这本书中，很多示例代码都用到了命令行参数。作为新手，之前总是很困扰，不知道怎么用。偶然的机会终于略知一二了。在Visual Studio中，我们可以自行设置命令行参数。如在这个示例程序中，我们想把图像存入argv[1]。方法如下：依次点击，项目、属性、配置属性、调试、命令参数。出现下面的界面：然后进行编辑，即输入图像路径。如：E:\Lena.jpg

阅读更多...

【图像识别系统】昆虫识别Python+卷积神经网络算法+人工智能+深度学习+机器学习+TensorFlow+ResNet50

【图像识别系统】昆虫识别Python+卷积神经网络算法+人工智能+深度学习+机器学习+TensorFlow+ResNet50

一、介绍昆虫识别系统，使用Python作为主要开发语言。通过TensorFlow搭建ResNet50卷积神经网络算法（CNN）模型。通过对10种常见的昆虫图片数据集（‘蜜蜂’, ‘甲虫’, ‘蝴蝶’, ‘蝉’, ‘蜻蜓’, ‘蚱蜢’, ‘蛾’, ‘蝎子’, ‘蜗牛’, ‘蜘蛛’）进行训练，得到一个识别精度较高的H5格式模型文件，然后使用Django搭建Web网页端可视化操作界面，实现用户上传一

阅读更多...

Linux IPC 参数设定,echo 80 /proc/...

Linux IPC 参数设定,echo 80 /proc/...

文章转自 http://blog.chinaunix.net/uid-22287947-id-1775633.html Linux IPC 参数设定- 命令方式: echo 80 > /proc/sys/vm/overcommit_ratio, etc MSGMNB 每个消息队列的最大字节限制。 MSGMNI 整个系统的最大数量的消息队列。 MSGGSZ 消息片断的大

阅读更多...

mysql中in参数过多该如何优化

mysql中in参数过多该如何优化

优化方式概述未优化前 SELECT * FROM rb_product rb where sku in('1022044','1009786') 方案2示例 public static void main(String[] args) {//往list里面设置3000个值List<String> list = new ArrayList<>();for (int i = 0;

阅读更多...

虚拟机常用参数汇总

虚拟机常用参数汇总

内存分配相关 -Xmx 堆的大小上限 -Xms 堆区内存初始内存分配的大小 -XX:MaxPermSize 永久代上限 -XX:SurvivorRatio Eden与Survivor区的比例 -XX:+/-UseTLAB 是否使用TLAB来创建对象 -XX:PretenureSizeThreshold 晋升老年代对象大小 -XX:NewRatio 新生代（Eden+2S）和老年代的

阅读更多...

【智能优化算法改进策略之局部搜索算子(五)—自适应Rosenbrock坐标轮换法】

【智能优化算法改进策略之局部搜索算子(五)—自适应Rosenbrock坐标轮换法】

1、原理介绍作为一种有效的直接搜索技术，Rosenbrock坐标轮换法[1,2]是根据Rosenbrock著名的“香蕉函数”的特点量身定制的，该函数的最小值位于曲线狭窄的山谷中。此外，该方法是一种典型的基于自适应搜索方向集的无导数局部搜索技术。此法于1960年由Rosenbrock提出，它与Hooke-Jeeves模式搜索法有些类似，但比模式搜索更为有效。每次迭代运算分为两部分[3]： 1)

阅读更多...