在目标检测领域，YOLO(YouOnlyLookOnce)系列凭借其实时性和高效性得到了广泛应用。然而，YOLO在处理小目标检测时，往往表现出一定的局限性。为了解决这一问题，Gold-YOLO提出了针对...
DynamicHead是YOLOv8中一个重要的改进组件，主要用于提高检测头的灵活性和适应性。该改进通过动态调整卷积核和特征图，从而更好地适应不同大小和形状的目标物体。DynamicHead的核心思想是根据输入图像的...
ASFF是一种基于自适应特征融合的策略，能够动态调整不同尺度特征的融合权重，适应场景中不同大小的目标。传统的YOLOv8检测头使用固定的特征融合策略，而ASFF则通过引入学习参数，使得网络能够根据输入图像的特征自适应地选择不同尺度特征的...
FasterNeT是一种旨在极大优化推理速度的轻量级网络，通常用于移动设备和嵌入式系统。它通过减少参数量和计算量，提升了FPS（帧每秒），而且在不显著降低精度的前提下，提高了效率。轻量化卷积层：采用深度可分离卷积（D...
yolov8双目测距包含有前端的源码和无前端的源码Sgbm双目测距算法内含测距代码，视差图和深度图代码，以及极线矫正代码_yolov8双目测距...
VanillaNet是华为最新推出的轻量级网络架构，专为在移动端和嵌入式设备上运行而设计。轻量化设计：通过简化卷积操作和减少参数量，VanillaNet可以在保证精度的前提下，大幅降低计算复杂度。深度可分离卷积：采用深度可分离卷积（De...
FasterNeT是一种新型轻量化神经网络架构，旨在在保证精度的同时极大地提高推理速度。其通过一系列结构创新（如GroupConvolution和LayerNorm）减少了计算复杂度，同时保持了较高的模型性能。将Faster...
空洞卷积是一种用于扩大感受野而不增加计算量的卷积操作。通过在卷积核的权重之间引入空洞（即间隔），空洞卷积能够捕捉更大范围的信息，同时保持计算效率。空洞卷积的公式为：其中，(r)是空洞率，控制了感受野的大小。...
ShuffleNetV2是一种通过分组卷积（GroupConvolution）和通道洗牌（ChannelShuffle）技术来减少计算量和内存访问成本的轻量级网络。分组卷积：通过减少卷积核的计算量来降低整体的计算复杂度。通道洗牌：通...
1.首先克隆rknn修改后的ultralytics版本项目到本地主要是修改了源码的ultralytics/nn/modules/head.py和ultralytics/engine/exporter.py两个文...