算法:加入ODConv+ConvNeXt提升小目标检测能力——(超详细)"/>
优化改进YOLOv5算法:加入ODConv+ConvNeXt提升小目标检测能力——(超详细)
为了提升无人机视角下目标检测效果,基于YOLOv5算法,在YOLOv5主干中实现了Omnidimensional Convolution(ODConv),以在不增加网络宽度和深度的情况下提高精度,还在YOLOv5骨干网中用ConvNeXt块替换了原始的C3块,以加快检测速度。
1 Omni-dimensional dynamic convolution
YOLOv5使用传统的二维卷积来生成特征。图1(a)显示了二维卷积如何在具有四个滤波器的卷积层中工作。卷积层的输出通道数等于滤波器数,每个滤波器的维数取决于输入特征的维数。传统的二维卷积可以描述为:
更多推荐
优化改进YOLOv5算法:加入ODConv+ConvNeXt提升小目标检测能力——(超详细)
发布评论