人参果的功效与作用禁忌（CSDN芒果独家原创YOLOv5改进、YOLOv7改进（适用YOLOv8改进）专栏 | 《芒果YOLO改进系列进阶指南》来自人工智能专家老师联袂推荐）

《芒果改进YOLO系列进阶指南》目录

💡该教程为芒果改进YOLO进阶指南专栏  
  
  
  
  
  ，属于《芒果书》📚系列 
  
  
  
  
  
 ，包含大量的原创首发改进方式, 所有文章都是全网首发原创改进内容🚀

CSDN博客独家更新出品： 专栏详情🔎：芒果改进YOLO进阶指南

重点：有不少同学反应和我说已经在自己的数据集上有效涨点啦！！ 🔥🔥🔥


 


 


 


 


 


，包括COCO数据集也能涨点 
 
 
 
 
 ，而且网络结构都是首发原创更新的, 写的人不多✅

专栏内容有疑问的 可以主动私信我  
   
   
   
   
   
 ，(因为每天主动私信次数只有5次

 

 

 

 

 

，所以没法一一私聊大家)✅

下面链接为《芒果改进YOLO进阶指南》专栏内容
 

 

 

 

 

 ，还在持续更新中…✅

所以敲重点：专栏持续更新中✅

每篇博客 均为原创内容            ，内含理论部分 以及 多种改进全部源代码
 

 
 

 
 

 
 

 
 

 
 

，以及给出思考点










，主要是让大家快速进行网络模型改进  
  
  
  
  
  。✅

⚠️ 未经允许                  ，禁止 复制/洗稿/转载 等形式使用以下博客原创部分进行发文
 
 
 
 
 
 
 
 
 
 
 
，违者必究.

⚠️ 未经允许
















，禁止 复制/洗稿/转载 等形式使用以下博客原创部分进行发文            ，违者必究.

重点：🌟进阶专栏内容持续更新中🎈☁️🏅️
 
  
 
  
 
  
 
  
 
  
 
 ，订阅了该专栏的读者务必·私信博主·加·全新创新点进阶交流群· 群内不定时会发一些其他未公开的Tricks（部分在群内共享以及完善











，务必私信博主加进阶交流群  
  
  
  
  
  ，订阅了的读者关注下）✅

专栏地址：芒果改进YOLO进阶指南

人工智能专家老师联袂推荐改进博客专栏

图中链接：芒果改进目录一览｜改进YOLO模型全系列目录

一            、核心重点：效果涨点

有上百名同学 反应和我说 已经在自己的数据集上或者或者公开数据集上有效涨点啦！！ 🔥🔥🔥

包括COCO数据集也能涨点 
  
  
  
  
  
 ，网络模型改进


 


 


 


 


 


，配置都是原创首发更新的 
 
 
 
 
 ，直接写论文  
   
   
   
   
   
 ，香爆了！！！

每个改进点均支持·改进YOLOv5及之前的模型 
 
  
 
  
 
  
 
  
 
  
 
、YOLOv7










、YOLOv8
  
  
  
  
  
  、YOLOX 
  
  
  
  
  
、YOLOv6等主流模型·

二 


 


 


 


 


 

、专栏地址

本专栏为YOLO改进指南进阶专栏 

 

 

 

 

 

，均为全网独家首发内容
 

 

 

 

 

 ，文章质量较高🔥🔥🔥

https://blog.csdn.net/qq_38668236/category_12078347.html

⚠️ 未经允许            ，禁止 任何复制/洗稿/转载 等形式使用以下文章的任何部分进行发文的行为
 

 
 

 
 

 
 

 
 

 
 

，违者必究.

三
 
 
 
 
 
 、文章详细目录

其中均适用于基于 YOLOv5   
   
   
   
   
   
、 YOLOv7 和 YOLOv7-tiny  

 

 

 

 

 
、YOLOv8主流模型改进

标题为改进YOLOv5系列的 也适用于 YOLOv7 标题为改进YOLOv7系列 的 也适用于 YOLOv5

💡🎈☁️：芒果改进YOLOv5系列：首发更新｜改进用于微小目标检测的Normalized Gaussian Wasserstein Distance










，助力YOLOv5涨点                  ，小目标检测的一种新的包围框相似度度量

💡🎈☁️：芒果改进YOLOv5系列：2023年最新论文出品｜结合设计硬件感知神经网络设计的高效 Repvgg 式 ConvNet 网络结构 EfficientRep 
 
 
 
 
 
 
 
 
 
 
 
，该网络结构效果SOTA
















，涨点利器

💡🎈☁️：芒果改进YOLOv7系列：独家首发更新｜改进用于小目标检测的归一化高斯 Wasserstein Distance Loss            ，提升小目标检测的一种新的包围框相似度度量
 
  
 
  
 
  
 
  
 
  
 
 ，助力YOLOv7涨点

💡🎈☁️：芒果改进YOLOv7系列：最新结合｜2023年最新论文设计高效 RepFPN 结构











，具有硬件感知神经网络设计   
  
  
  
  
  ，该网络结构表现强势

💡🎈☁️：芒果改进YOLOv5系列：首发使用最新Wise-IoU损失函数 
  
  
  
  
  
 ，具有动态聚焦机制的边界框回归损失


 


 


 


 


 


，YOLO涨点神器 
 
 
 
 
 ，超越CIoU, SIoU性能  
   
   
   
   
   
 ，提出了BBR的基于注意力的损失WIoU函数

💡🎈☁️：芒果改进YOLOv7系列：超越ConvNeXt结构

 

 

 

 

 

，原创结合Conv2Former改进结构
 

 

 

 

 

 ，Transformer 风格的卷积网络视觉基线模型            ，高效涨点

💡🎈☁️：改进YOLOv5

 

 

 

 

 

 、YOLOv7系列：首发最新改进一种强大性能的全新架构(顶会2022), 该架构精度超越TPH-YOLOv5, 新范式高效涨点

💡🎈☁️：改进YOLOv5系列：NeurIPS顶会论文
 

 
 

 
 

 
 

 
 

 
 

，模型无损涨点｜首发最新改进广义焦点损失Generalized Focal Loss










，将焦点损失从其离散形式推广到连续形式                  ，以实现成功优化

💡🎈☁️：芒果改进YOLOv5系列：最新原创改进提出 v5-CReToNeXt 结构
 
 
 
 
 
 
 
 
 
 
 
，基于阿里达摩院出品的DAMOYOLO核心网络模型进行改进
















，打造高性能检测器（上）

💡🎈☁️：改进YOLOv7系列：全网首发最新基于TOOD标签分配策略改进            ，提出变种ODRTA模型(适用YOLOv5改进)
 
  
 
  
 
  
 
  
 
  
 
 ，任务对齐学习TAL











，刷新单阶段目标检测新纪录

💡🎈☁️：芒果改进YOLOv5系列：原创结合Conv2Formers改进结构  
  
  
  
  
  ，Transformer 风格的卷积网络视觉基线模型 
  
  
  
  
  
 ，超越ConvNeXt结构

💡🎈☁️：改进YOLOv7系列：首发最新基于GFL损失函数


 


 


 


 


 


，让模型无损涨点 
 
 
 
 
 ，NeurIPS 顶会论文

💡🎈☁️：芒果改进YOLOv7系列：结合最新Wise-IoU损失函数  
   
   
   
   
   
 ，涨点神器｜超越CIoU, SIoU性能

 

 

 

 

 

，助力YOLOv7模型涨点1.4%
 

 

 

 

 

 ，最新目标检测的损失函数

💡🎈☁️：芒果改进YOLOv7系列：首发最新提出改进 CReToNeXt 结构            ，打造高性能检测器
 

 
 

 
 

 
 

 
 

 
 

，基于阿里达摩院出品的DAMOYOLO核心网络模型（上）

💡🎈☁️：芒果改进YOLOv5系列：最新原创提出改进 QARepNeXt 结构










，基于最新 QARepVGG 结构                  ，美团提出的一种量化感知方法：再一次让 RepVGG 变得更好

💡🎈☁️：芒果改进YOLOv7           、YOLOv7-Tiny系列：全网首发最新原创RepGhostNeXt结构
 
 
 
 
 
 
 
 
 
 
 
，基于重参数化结构实现硬件高效的模块RepGhost
















， 打造全新YOLOv7检测器

💡🎈☁️：芒果改进YOLOv7系列：首发最新原创 ConXBv2 升级版结构            ，当MAE遇见YOLO卷积 高效涨点
 
  
 
  
 
  
 
  
 
  
 
 ，最新版本使用 Masked Autoencoders 共同设计和缩放ConvNets

💡🎈☁️：芒果改进YOLOv7系列：首发结合最新 QARepVGG 升级Rep结构











， 本文对其进行原创改进 QARepNeXt 结构  
  
  
  
  
  ，基于美团提出一种量化感知方法：再一次让 RepVGG 变得更好

💡🎈☁️：芒果改进YOLOv5系列：当MAE遇见卷积操作 
  
  
  
  
  
 ，全网最新原创 ConXBv2 升级版模型


 


 


 


 


 


，高效涨点 
 
 
 
 
 ，最新论文版本使用 Masked Autoencoders 共同设计和缩放

💡🎈☁️：芒果改进YOLOv5系列：首发结合最新NIPS2022华为诺亚的GhostNetV2 架构：引入长距离注意力机制增强廉价操作  
   
   
   
   
   
 ，构建更强端侧轻量型骨干

 

 

 

 

 

，打造高效轻量级检测器

💡🎈☁️：改进YOLOv7 
 

 
 

 
 

 
 

 
 

 
 
、YOLOv5系列：手把手最新结合多种类Loss
 

 

 

 

 

 ，包括PolyLoss / VarifocalLoss / GeneralizedFLoss / QualityFLoss / DFL等

💡🎈☁️：芒果改进YOLOv5系列：全网首发最新原创打造RepGhostNeXt结构            ，基于重参数化结构
 

 
 

 
 

 
 

 
 

 
 

，实现硬件高效的RepGhost模块











、打造全新YOLOv5检测器

💡🎈☁️：芒果改进YOLOv7系列：首发结合最新NeurIPS2022华为诺亚针对端侧设备的GhostNetV2 架构：引入长距离注意力机制增强廉价操作










，构建更强端侧轻量型骨干                  ，打造高效轻量级检测器

💡🎈☁️：芒果改进YOLOv7系列：首发改进特征融合网络BiFPN结构
 
 
 
 
 
 
 
 
 
 
 
，融合更多有效特征

💡🎈☁️：改进YOLOv7                 、YOLOv5系列：手把手最新结合多种类Loss
















，包括PolyLoss / VarifocalLoss / GeneralizedFLoss / QualityFLoss / DFL等

💡🎈☁️：改进YOLOv7系列：全网首发Dense设计核心最新提出DenseOne密集网络(适用YOLOv5)            ，从另一个视角改进YOLO目标检测模型
 
  
 
  
 
  
 
  
 
  
 
 ，打造高性能检测器

MobieViT系列全部改进

💡🎈☁️：芒果改进YOLOv7系列：全网首发最新 MobileViTv3 系列最强版本（三）｜轻量化Transformer视觉转换器











，简单有效地融合了本地全局和输入特征

💡🎈☁️：芒果改进YOLOv7系列：全网首发最新苹果续作加强版 MobileViTv2 结构(二)  
  
  
  
  
  ，提出移动视觉 Transformer 的可分离自注意力机制

💡🎈☁️：芒果改进YOLOv7系列：首发最新结合 ICLR2022 顶会|轻量通用的 MobileViT 结构 Transformer 
  
  
  
  
  
 ，轻量级 
 
 
 
 
 
 
 
 
 
 
 
、通用且移动友好的视觉转换器


 


 


 


 


 


，MobileViT系列一

💡🎈☁️：改进YOLOv7
















、YOLOv5系列：手把手最新结合多种类Loss 
 
 
 
 
 ，包括PolyLoss / VarifocalLoss / GeneralizedFLoss / QualityFLoss / FL等

💡🎈☁️：改进YOLOv5            、YOLOv7系列：首发最新改进一种强大性能的全新架构(顶会2022), 该架构精度超越TPH-YOLOv5, 新范式高效涨点

💡🎈☁️：芒果改进YOLOv5系列：全网首发最新 MobileViTv3 系列最强版本（三）｜轻量化Transformer视觉转换器  
   
   
   
   
   
 ，简单有效地融合了本地全局和输入特征

💡🎈☁️：芒果改进YOLOv5系列：全网首发最新苹果续作加强版 MobileViTv2 结构(二)

 

 

 

 

 

，提出移动视觉 Transformer 的可分离自注意力机制

💡🎈☁️：芒果改进YOLOv5系列：最新结合 ICLR2022 顶会|轻量通用的 MobileViT 结构 Transformer
 

 

 

 

 

 ，轻量级 
 
  
 
  
 
  
 
  
 
  
 
、通用且移动友好的视觉转换器            ，MobileViT系列一

💡🎈☁️：还在更新中

还在持续更新中！！！🚀🚀🚀

更新篇数不低于20篇

四










、购买须知(必看)

官方要求：

购买须知本专栏为图文内容
 

 
 

 
 

 
 

 
 

 
 

，最终完结不会低于15篇文章 
  
  
  
  
  
 。✅

订阅专栏










，享有专栏所有文章阅读权限


 


 


 


 


 


。✅

本专栏为虚拟产品                  ，一经付款概不退款
 
 
 
 
 
 
 
 
 
 
 
，敬请谅解 
 
 
 
 
 。✅

除了以上官方的规则以外
















，其他的 服务or规则 为博主提供的            ，博主具有最终解释权  
   
   
   
   
   
 。✅

订阅之前注意看⚠️：

付费订阅的是该专栏所有文章的阅读权限
 
  
 
  
 
  
 
  
 
  
 
 ，有需求就订阅











，这是自愿的！ 和专栏的内容相关的问题  
  
  
  
  
  ，可以私信博主 
  
  
  
  
  
 ，看到会回


 


 


 


 


 


，（如果是一些简单的基础问题 
 
 
 
 
 ，可以先尝试百度） 重点：付费订阅的是所有文章的阅读权限  
   
   
   
   
   
 ，订阅不是买的加交流群的群费！（这个群不是必须的

 

 

 

 

 

，是免费的
 

 

 

 

 

 ，交流群是博主提供的            ，博主具有最终解释权） 对于不友好的人或者态度
 

 
 

 
 

 
 

 
 

 
 

，除支持 以上三点CSDN官方要求的规则 以外










，不支持其他任何服务！