一、本文介绍
本文记录的是利用SAConv
优化YOLOv10
的目标检测网络模型。空洞卷积
是一种在不增加参数量和计算量的情况下,通过在卷积核元素之间插入空洞来扩大滤波器视野的技术。并且为了使模型能够适应不同尺度的目标,本文利用SAConv
将不同空洞率卷积结果进行结合,来获取更全面的特征表示,实现涨点。
专栏目录:YOLOv10改进目录一览 | 涉及卷积层、轻量化、注意力、损失函数、Backbone、SPPF、Neck、检测头等全方位改进
本文记录的是利用SAConv
优化YOLOv10
的目标检测网络模型。空洞卷积
是一种在不增加参数量和计算量的情况下,通过在卷积核元素之间插入空洞来扩大滤波器视野的技术。并且为了使模型能够适应不同尺度的目标,本文利用SAConv
将不同空洞率卷积结果进行结合,来获取更全面的特征表示,实现涨点。
专栏目录:YOLOv10改进目录一览 | 涉及卷积层、轻量化、注意力、损失函数、Backbone、SPPF、Neck、检测头等全方位改进