YoloV9改进策略:Neck改进|SEAM与MultiSEAM模块,提高小目标和遮挡目标的检测精度|即插即用|附加代码+改进方法

摘要

一、论文介绍

本文参考了“YOLO-FaceV2:A Scale and Occlusion Aware Face Detector”的研究内容,该论文提出了一种基于YOLOv5的人脸检测方法,即YOLO-FaceV2,以解决人脸尺度变化、简单与困难样本不平衡以及人脸遮挡等问题。受到该论文的启发,本文将SEAM模块(遮挡感知注意力网络)及其扩展形式MultiSEAM模块引入到YoloV9中,旨在提升物体遮挡检测精度以及小目标的检测性能。
在这里插入图片描述

二、创新点

本文的创新点在于将SEAM模块与MultiSEAM模块整合到YoloV9的Neck部分,通过改善输出到检测头的特征,进而提升模型在遮挡场景和小目标检测方面的性能。这一改进借鉴了YOLO-FaceV2在处理人脸遮挡和尺度变化方面的成功经验,并将其拓展到更一般的物体检测任务中。

三、方法

  1. 模块引入:将SEAM模块(或可能的MultiSEAM模块,具体取决于实现细节和计算资源)放置在YoloV9的Neck部分,即特征金字塔网

猜你喜欢

转载自blog.csdn.net/m0_47867638/article/details/143462011