yolov4 论文（连夜看了30多篇改进YOLO的中文核心期刊 我似乎发现了一个能发论文的规律）

这篇博文只适合想快速发期刊且基础不是太好的同学看看找找灵感🌟    
    
    
    ，如果想发的是Sci或者顶会看我这篇博文意义不大,以下也仅仅代表我个人看法👍    
    
    
。

大家好


     


     


     


，我是迪菲赫尔曼😁
 




 




 




，我最近将本人硕士阶段所有学习的计算机视觉基础知识进行了一个系统性的整理   

   

   

   ，编写了《目标检测蓝皮书🍀》 

     

     

     

，共计

10

10

10篇内容

  




  




  




，涵盖从基础知识到论文改进的整个时间线  


  


  


  ，包含第

1

1

1篇机器学习基础    
    
    
    、第

2

2

2篇深度学习基础


     


     


     


、第

3

3

3篇卷积神经网络
 




 




 




、第

4

4

4篇经典热门网络结构   

   

   

   、第

5

5

5篇目标检测基础 

     

     

     

、第

6

6

6篇网络搭建及训练

  




  




  




、第

7

7

7篇模型优化方法及思路  


  


  


  、第

8

8

8篇模型超参数调整策略  
     
     
     
、第

9

9

9篇模型改进技巧


   




   




   




、第

10

10

10篇模型部署基础等  
     
     
     
，详细的目录大家可以看我的这篇文章：《目标检测蓝皮书》目录


   




   




   




，专栏地址：点击跳转 



 



 



 ，欢迎大家订阅~

0.引言💡

我所看的Paper算法创新一般可以概况分三种：

第1种：焕然一新的创新；比如Faster-RCNN 



 



 



 、Yolov1                  、Transformer



    




    




    




、ShuffleNet等                  ，能凭借实力开创出新的算法领域



    




    




    




，达到这种水平基本都是顶会的水准了     


     


     


    。 第2种：守正出奇的创新；比如将图像金字塔改进为特征金字塔














，还有很多是将Nlp那边的模型应用到了CV这边                   ，Transformer就是这样的




 




 




 


。 第3种：各种先进算法集成的创新



     



     



     



，比如不同领域发表的最新论文的tricks














，集成到自己的算法中    
    
    
    ，发现都有或多或少的提升
   

   

   

。

下面选取了近两年知网上一些中文核心期刊


     


     


     


，主要是Yolov5和Yolov4
 




 




 




，并对期刊里面的创新点做出了标注   

   

   

   ，可以看到其实并没有很大的改动 

     

     

     

，但是都让自己的模型有了一些提升

  




  




  




，不管是参数量














、计算量                   、还是mAP  


  


  


  ，所以基本上都是第3种创新  
     
     
     
，下面就一起来看一下他们是怎么创新的吧（3分钟速看


   




   




   




，只读黄色内容就可以）     

     

     

   。

1.改进YOLOv5的目标检测算法研究

2.面向拥挤行人检测的CA-YOLOv5

3.引入注意力机制的YOLOv5安全帽佩戴检测方法

4.改进YOLOv5的轻量级安全帽佩戴检测方法

5.改进YOLOv5的白细胞检测算法

6.改进YOLOv5的SAR图像舰船目标检测

7.改进YOLOv5的苹果花生长状态检测方法

8.基于YOLOv5的违章建筑检测方法

9.融合SKNet与YOLOv5深度学习的养殖鱼群检测

10.基于YOLOv5 MD的重度粘连小麦籽检测方法

11.改进YOLOv5s的煤矸目标检测

12.基于YOLOv5算法的交通标志识别技术研究

13.侧扫声纳检测沉船目标的改进YOLOv5法

14.基于YOLOv5 网络模型的金枪鱼目标检测

15.融合改进通道和剪枝的口罩人脸检测

16.基于改进YOLOv4算法的铁路扣件检测

17.基于YOLOv4-Tinty的蓝莓成熟度识别方法

18.两类YOLOv4 tiny简化网络及其裂缝检测

19.基于YOLOv4的轻量化目标检测算法

20.基于反馈机制与空洞卷积的道路小目标检测网络

21.基于Siamese-YOLOv4的印刷品缺陷目标检测

22.基于改进YOLOv4算法的轻量化网络设计与实现

23.基于改进YOLOv4的植物检测

24.基于轻量化YOLOv4的交通信息检测

25.一种基于YOLOv4 TIA的害虫检测

26.交通道路行驶车辆识别

27.基于弱语义分割的轻量化交通标志检测网络

28.面向目标识别的轻量化混合卷积神经网路

总结

基本上创新点都集中在加入注意力机制



     



     



     



、损失函数














、主干网络结构；并没有发现什么特别新奇的点子 



 



 



 ，所以到这里我相信大家心里也应该清楚中文核心发表的大概内容了 




  




  




  

。

本人更多YOLOv5实战内容导航🍀🌟🚀

手把手带你调参Yolo v5 (v6.2)（推理）🌟强烈推荐

手把手带你调参Yolo v5 (v6.2)（训练）🚀

手把手带你调参Yolo v5 (v6.2)（验证）

如何快速使用自己的数据集训练Yolov5模型

手把手带你Yolov5 (v6.2)添加注意力机制(一)（并附上30多种顶会Attention原理图）🌟强烈推荐🍀新增8种

手把手带你Yolov5 (v6.2)添加注意力机制(二)（在C3模块中加入注意力机制）

Yolov5如何更换激活函数？

Yolov5如何更换BiFPN?

Yolov5 (v6.2)数据增强方式解析

Yolov5更换上采样方式( 最近邻 / 双线性 / 双立方 / 三线性 / 转置卷积)

Yolov5如何更换EIOU / alpha IOU / SIoU？

Yolov5更换主干网络之《旷视轻量化卷积神经网络ShuffleNetv2》

YOLOv5应用轻量级通用上采样算子CARAFE

空间金字塔池化改进 SPP / SPPF / SimSPPF / ASPP / RFB / SPPCSPC / SPPFCSPC🚀

用于低分辨率图像和小物体的模块SPD-Conv

GSConv+Slim-neck 减轻模型的复杂度同时提升精度🍀

头部解耦 | 将YOLOX解耦头添加到YOLOv5 | 涨点杀器🍀

Stand-Alone Self-Attention | 搭建纯注意力FPN+PAN结构🍀

YOLOv5模型剪枝实战🚀

YOLOv5知识蒸馏实战🚀

YOLOv7知识蒸馏实战🚀

有问题欢迎大家指正                  ，如果感觉有帮助的话请点赞支持下👍📖🌟