摘要
作者提出的技术结合了递归特征金字塔和可切换空洞卷积,通过强化多尺度特征学习和自适应的空洞卷积,显著提升了目标检测的效果。
理论介绍
空洞卷积(Atrous Convolution)是一种可以在卷积操作中插入“空洞”来扩大感受野的技术,更有效地捕捉到图像中的大范围上下文信息。可切换空洞卷积(SAC)则通过自适应地切换不同的空洞率,使得模型能够灵活地根据特定场景调整卷积的感受野,从而更好地处理不同大小的目标。SAConv结构如下(摘自论文)
理论详解可以参考链接:论文地址
代码可在这个链接找到:代码地址
下文都是手把手教程,跟着操作即可添加成功
目录
- 摘要
- 理论介绍
- 🎓一、YOLOv9原始版本代码下载
- 🍀🍀1.yolov9模型结构图
- 🍀🍀2.环境配置
- 🎓二、SAConv代码
- 🎓三、添加方法
- 🍀🍀1.在modules目录下添加第二章的代码
- 🍀🍀2.在__init__.py文件进行导入
- 🍀🍀3.在yolo.py文件进行注册
- 🎓四、yaml文件修改