YOLO系列模型改进指南

YOLO系列模型改进指南

目前包含yolov5，yolov7，yolov8模型的众多改进方案(都是B站视频教学和附带源码)，效果因数据集和参数而定，仅供参考。
如果需要改进模型，建议baseline和改进模型也不要载入预训练权重，不然的话，他们的起跑点不一样，没法做到公平对比。

改进指南

YOLOV5

1. 添加YOLOV8中的C2F模块.B站视频链接

2. 添加EIOU,SIOU,AlphaIOU.B站视频链接

3. 使用DAMO-YOLO中的Efficient-RepGFPN替换YOLOV5中的Neck.B站视频链接

4. 添加FocalEIoU，并使用FocalEIoU思想优化其他IoU的变种.B站视频链接

5. 添加注意力机制(附带20+种注意力机制代码).B站视频链接

6. Optimal Transport Assignment.B站视频链接

7. Wise IoU.B站视频链接

8. Deformable Conv V2.B站视频链接

9. 一些你可能不知道的技巧.B站视频链接

10. 添加辅助训练头.B站视频链接

11. CONTEXT_AUGMENTATION_MODULE.B站视频链接

12. SAConv.B站视频链接

13. CoordConv.B站视频链接

14. Soft-NMS(支持多种IoU变种选择).B站视频链接

15. DSConv.B站视频链接

16. 最新的可变形卷积V3(CVPR2023).B站视频链接 补充事项:B站视频链接

17. 针对小目标的Normalized Gaussian Wasserstein Distance.B站视频链接

18. 添加yolov6-Efficient解耦头.B站视频链接

19. 基于FasterNet轻量化模型提出C3-Faster.B站视频链接

20. 基于TIMM更换你想要的主干网络(基本支持现有大部分CNN网络).B站视频链接

21. 添加Task-Specific Context Decoupling.B站视频链接

YOLOV7

1. 添加注意力机制(附带20+种注意力机制代码).B站视频链接

2. 添加EIOU,SIOU,AlphaIOU,Focal EIoU.B站视频链接

3. Wise IoU.B站视频链接

4. Deformable Conv V2.B站视频链接

5. SAConv.B站视频链接

6. DSConv.B站视频链接

7. Soft-NMS(支持多种IoU变种选择).B站视频链接

8. CoordConv.B站视频链接

9. 针对小目标的Normalized Gaussian Wasserstein Distance.B站视频链接

10.添加FasterNet中的PConv.B站视频链接

11.添加具有隐式知识学习的Efficient解耦头.B站视频链接

YOLOV8

1. 添加注意力机制(附带20+种注意力机制代码).B站视频链接

2. 添加EIOU,SIOU,AlphaIOU,Focal EIoU.B站视频链接

3. Wise IoU.B站视频链接

4. Deformable Conv V2.B站视频链接