【YOLO11改进 - 卷积Conv 】 LDConv(Linear deformable convoluton)：线性可变形卷积 - 代码天地

【YOLO11改进 - 卷积Conv 】 LDConv(Linear deformable convoluton)：线性可变形卷积

企业开发 2024-11-06 20:26:42 阅读次数: 0

YOLO11目标检测创新改进与实战案例专栏

文章目录： YOLO11创新改进系列及项目实战目录包含卷积，主干注意力，检测头等创新机制以及各种目标检测分割项目实战案例

专栏链接: YOLO11目标检测创新改进与实战案例

在这里插入图片描述

文章目录

YOLO11目标检测创新改进与实战案例专栏
LDConv作者的姊妹篇: [【YOLOv11改进-卷积Conv 】 AKConv(可改变核卷积)：任意数量的参数和任意采样形状的即插即用的卷积](https://blog.csdn.net/shangyanaf/article/details/142998598)
LDConv介绍
- 摘要
文章链接
主要思想
- - 动机与传统卷积的局限性
  - LDConv的创新
核心代码
YOLOv11引入代码
tasks注册
- 步骤1: 引入刚才添加的核心代码
- 步骤2
配置yolov11-LDConv.yaml
实验
- 脚本
- 结果

LDConv作者的姊妹篇: 【YOLOv11改进-卷积Conv 】 AKConv(可改变核卷积)：任意数量的参数和任意采样形状的即插即用的卷积

LDC

猜你喜欢

转载自blog.csdn.net/shangyanaf/article/details/143570512

【YOLO11改进 - 卷积Conv 】 LDConv(Linear deformable convoluton)：线性可变形卷积

【YOLO11改进 - 卷积Conv】融合MogaNet中的MogaSubBlock：Moga Block + CA block

【YOLO11改进 - 卷积Conv】融合MogaNet中的CA block（多通道聚合模块）

可变形卷积（deformable convolution）

可变形卷积：Deformable ConvNets

Deformable Convolution 可变形卷积

【YOLO11改进 - 卷积Conv】融合MogaNet中的Multi-Order Gated Aggregation（多阶门控聚合模块）

可变形卷积 deformable convolution 学习记录

【Deformable Convolution】可变形卷积记录

Deformable-convolution--可变形卷积

可变形卷积(Deformable Conv)原理解析与torch代码实现

YOLO11改进|卷积篇|引入大感受野小波卷积WTConv

YOLO11改进|卷积篇|引入可切换空洞卷积SAConv

InternImage: 使用可变形卷积探索大规模视觉基础模型（Exploring Large-Scale Vision Foundation Models with Deformable Conv）

deformable convolution（可变形卷积）算法解析及代码分析

论文阅读-可变形卷积网络：Deformable Convolutional Networks

可变形卷积神经网络 | Deformable Network

Deformable Convolutional Networks 可变形卷积网络解析

Deformable Convolutional Networks 可变形卷积网络论文精读与解析

可变形卷积系列(三) Deformable Kernels，创意满满的可变形卷积核 | ICLR 2020

【YOLO11改进 - C3k2融合】C3k2融合Deformable-LKA二次创新C3k2_DLKA：可变形大核注意力

YOLO11改进|注意力机制篇|引入先验卷积注意力机制CPCA

【YOLO11改进- 多模块融合改进】GhostConv + ContextAggregation 幽灵卷积与上下文聚合模块融合改进，助力小目标高效涨点

Deformable CONV

Deformable ConvNets v2: More Deformable, Better Results 第二代可变形卷积论文精读与解析

YOLOv11改进策略【Conv和Transformer】| CVPR-2022 Deformable Attention Transformer 可变形注意力动态关注目标区域

积神经网络结构变化——可变形卷积网络deformable convolutional networks

论文阅读-可变形卷积v2: More Deformable, Better Results

【YOLO11改进 - Backbone主干】FasterNet：基于PConv（部分卷积）的神经网络，提升精度与速度，降低参数量。

【YOLO11改进 - 特征融合】C3k2融合DEConv(Detail-Enhanced Convolution)：细节增强卷积,增强特征提取能力

今日推荐

周排行

码了几年代码，该如何来提升自己成为架构师？

Java 使用枚举定义常量

慢慢的，我们也会变

实验7-1-13 装箱问题（20 分）

计算机网络基础——访问控制列表

git 查看commit的提交记录

X509证书验证研究（1）——环境搭建

导航第四版-分类专栏

You Only Look Once论文阅读摘要

K_means

每日归档

更多

2025-01-06(0)

2025-01-05(0)

2025-01-04(0)

2025-01-03(0)

2025-01-02(0)

2025-01-01(0)

2024-12-31(0)

2024-12-30(0)

2024-12-29(0)

2024-12-28(0)