德州网站建设哪家专业,无锡网络公司有哪些,怎么选择网站开发,wordpress 商品表单基于Ultralytics的YOLOV8改进项目.(69.9)
为了感谢各位对V8项目的支持,本项目的赠品是yolov5-PAGCP通道剪枝算法.具体使用教程
专栏改进汇总
二次创新系列 ultralytics/cfg/models/v8/yolov8-RevCol.yaml 使用(ICLR2023)Reversible Column Networks对yolov8主干进行重设计,里…基于Ultralytics的YOLOV8改进项目.(69.9¥)
为了感谢各位对V8项目的支持,本项目的赠品是yolov5-PAGCP通道剪枝算法.具体使用教程
专栏改进汇总
二次创新系列 ultralytics/cfg/models/v8/yolov8-RevCol.yaml 使用(ICLR2023)Reversible Column Networks对yolov8主干进行重设计,里面的支持更换不同的C2f-Block. EMASlideLoss 使用EMA思想与SlideLoss进行相结合. ultralytics/cfg/models/v8/yolov8-dyhead-DCNV3.yaml 使用DCNV3替换DyHead中的DCNV2. ultralytics/cfg/models/v8/yolov8-C2f-EMBC.yaml 使用Efficientnet中的MBConv与EffectiveSE改进C2f. ultralytics/cfg/models/v8/yolov8-GhostHGNetV2.yaml 使用Ghost_HGNetV2作为YOLOV8的backbone. ultralytics/cfg/models/v8/yolov8-RepHGNetV2.yaml 使用Rep_HGNetV2作为YOLOV8的backbone. ultralytics/cfg/models/v8/yolov8-C2f-DWR-DRB.yaml 使用UniRepLKNet中的DilatedReparamBlock对DWRSeg中的Dilation-wise Residual(DWR)的模块进行二次创新后改进C2f. ultralytics/cfg/models/v8/yolov8-ASF-P2.yaml 在ultralytics/cfg/models/v8/yolov8-ASF.yaml的基础上进行二次创新引入P2检测层并对网络结构进行优化. ultralytics/cfg/models/v8/yolov8-CSP-EDLAN.yaml 使用DualConv打造CSP Efficient Dual Layer Aggregation Networks改进yolov8. ultralytics/cfg/models/v8/yolov8-bifpn-SDI.yaml 使用U-NetV2中的 Semantics and Detail Infusion Module对BIFPN进行二次创新. ultralytics/cfg/models/v8/yolov8-goldyolo-asf.yaml 利用华为2023最新GOLD-YOLO中的Gatherand-Distribute与ASF-YOLO中的Attentional Scale Sequence Fusion进行二次创新改进yolov8的neck. ultralytics/cfg/models/v8/yolov8-dyhead-DCNV4.yaml 使用DCNV4对DyHead进行二次创新.(请关闭AMP进行训练,使用教程请看20240116版本更新说明) ultralytics/cfg/models/v8/yolov8-HSPAN.yaml 对MFDS-DETR中的HS-FPN进行二次创新后得到HSPAN改进yolov8的neck. ultralytics/cfg/models/v8/yolov8-GDFPN.yaml 使用DAMO-YOLO中的RepGFPN与ICCV2023 DySample进行二次创新改进Neck. ultralytics/cfg/models/v8/yolov8-HSPAN-DySample.yaml 对MFDS-DETR中的HS-FPN进行二次创新后得到HSPAN再进行创新,使用ICCV2023 DySample改进其上采样模块. ultralytics/cfg/models/v8/yolov8-ASF-DySample.yaml 使用ASF-YOLO中的Attentional Scale Sequence Fusion与ICCV2023 DySample组合得到Dynamic Sample Attentional Scale Sequence Fusion. ultralytics/cfg/models/v8/yolov8-C2f-DCNV2-Dynamic.yaml 利用自研注意力机制MPCA强化DCNV2中的offset和mask. ultralytics/cfg/models/v8/yolov8-C2f-iRMB-Cascaded.yaml 使用EfficientViT CVPR2023中的CascadedGroupAttention对EMO ICCV2023中的iRMB进行二次创新来改进C2f. ultralytics/cfg/models/v8/yolov8-C2f-iRMB-DRB.yaml 使用UniRepLKNet中的DilatedReparamBlock对EMO ICCV2023中的iRMB进行二次创新来改进C2f. ultralytics/cfg/models/v8/yolov8-C2f-iRMB-SWC.yaml 使用shift-wise conv对EMO ICCV2023中的iRMB进行二次创新来改进C2f.
自研系列 ultralytics/cfg/models/v8/yolov8-LAWDS.yaml Light Adaptive-weight downsampling.自研模块,具体讲解请看百度云链接中的视频. ultralytics/cfg/models/v8/yolov8-C2f-EMSC.yaml Efficient Multi-Scale Conv.自研模块,具体讲解请看百度云链接中的视频. ultralytics/cfg/models/v8/yolov8-C2f-EMSCP.yaml Efficient Multi-Scale Conv Plus.自研模块,具体讲解请看百度云链接中的视频.
BackBone系列 ultralytics/cfg/models/v8/yolov8-efficientViT.yaml (CVPR2023)efficientViT替换yolov8主干. ultralytics/cfg/models/v8/yolov8-fasternet.yaml (CVPR2023)fasternet替换yolov8主干. ultralytics/cfg/models/v8/yolov8-timm.yaml 使用timm支持的主干网络替换yolov8主干. ultralytics/cfg/models/v8/yolov8-convnextv2.yaml 使用convnextv2网络替换yolov8主干. ultralytics/cfg/models/v8/yolov8-EfficientFormerV2.yaml 使用EfficientFormerV2网络替换yolov8主干.(需要看常见错误和解决方案的第五点) ultralytics/cfg/models/v8/yolov8-vanillanet.yaml vanillanet替换yolov8主干. ultralytics/cfg/models/v8/yolov8-LSKNet.yaml LSKNet(2023旋转目标检测SOTA的主干)替换yolov8主干. ultralytics/cfg/models/v8/yolov8-swintransformer.yaml SwinTransformer-Tiny替换yolov8主干. ultralytics/cfg/models/v8/yolov8-repvit.yaml RepViT替换yolov8主干. ultralytics/cfg/models/v8/yolov8-CSwinTransformer.yaml 使用CSWin-Transformer(CVPR2022)替换yolov8主干.(需要看常见错误和解决方案的第五点) ultralytics/cfg/models/v8/yolov8-HGNetV2.yaml 使用HGNetV2作为YOLOV8的backbone. ultralytics/cfg/models/v8/yolov8-unireplknet.yaml 使用UniRepLKNet替换yolov8主干. ultralytics/cfg/models/v8/yolov8-TransNeXt.yaml 使用TransNeXt改进yolov8的backbone.(需要看常见错误和解决方案的第五点)
SPPF系列 ultralytics/cfg/models/v8/yolov8-FocalModulation.yaml 使用Focal Modulation替换SPPF. ultralytics/cfg/models/v8/yolov8-SPPF-LSKA.yaml 使用LSKA注意力机制改进SPPF,增强多尺度特征提取能力. ultralytics/cfg/models/v8/yolov8-AIFI.yaml 使用RT-DETR中的Attention-based Intrascale Feature Interaction(AIFI)改进yolov8.
Neck系列 ultralytics/cfg/models/v8/yolov8-bifpn.yaml 添加BIFPN到yolov8中. 其中BIFPN中有三个可选参数 Fusion 其中BIFPN中的Fusion模块支持四种: weight, adaptive, concat, bifpn(default), SDI 其中weight, adaptive, concat出自paper链接-Figure 3, SDI出自U-NetV2node_mode 支持大部分C2f-XXX结构.head_channel BIFPN中的通道数,默认设置为256. ultralytics/cfg/models/v8/yolov8-slimneck.yaml 使用VoVGSCSP\VoVGSCSPC和GSConv替换yolov8 neck中的C2f和Conv. Asymptotic Feature Pyramid Networkreference a. ultralytics/cfg/models/v8/yolov8-AFPN-P345.yaml b. ultralytics/cfg/models/v8/yolov8-AFPN-P345-Custom.yaml c. ultralytics/cfg/models/v8/yolov8-AFPN-P2345.yaml d. ultralytics/cfg/models/v8/yolov8-AFPN-P2345-Custom.yaml 其中Custom中的block支持大部分C2f-XXX结构. ultralytics/cfg/models/v8/yolov8-RCSOSA.yaml 使用RCS-YOLO中的RCSOSA替换C2f. ultralytics/cfg/models/v8/yolov8-goldyolo.yaml 利用华为2023最新GOLD-YOLO中的Gatherand-Distribute进行改进特征融合模块 ultralytics/cfg/models/v8/yolov8-GFPN.yaml 使用DAMO-YOLO中的RepGFPN改进Neck. ultralytics/cfg/models/v8/yolov8-EfficientRepBiPAN.yaml 使用YOLOV6中的EfficientRepBiPAN改进Neck. ultralytics/cfg/models/v8/yolov8-ASF.yaml 使用ASF-YOLO中的Attentional Scale Sequence Fusion改进yolov8. ultralytics/cfg/models/v8/yolov8-SDI.yaml 使用U-NetV2中的 Semantics and Detail Infusion Module对yolov8中的feature fusion部分进行重设计. ultralytics/cfg/models/v8/yolov8-HSFPN.yaml 使用MFDS-DETR中的HS-FPN改进yolov8的neck.
Head系列 ultralytics/cfg/models/v8/yolov8-dyhead.yaml 添加基于注意力机制的目标检测头到yolov8中. ultralytics/cfg/models/v8/yolov8-EfficientHead.yaml 对检测头进行重设计,支持10种轻量化检测头.详细请看ultralytics/nn/extra_modules/head.py中的Detect_Efficient class. ultralytics/cfg/models/v8/yolov8-aux.yaml 参考YOLOV7-Aux对YOLOV8添加额外辅助训练头,在训练阶段参与训练,在最终推理阶段去掉. 其中辅助训练头的损失权重系数可在ultralytics/utils/loss.py中的class v8DetectionLoss中的__init__函数中的self.aux_loss_ratio设定,默认值参考yolov7为0.25. ultralytics/cfg/models/v8/yolov8-seg-EfficientHead.yaml(实例分割) 对检测头进行重设计,支持10种轻量化检测头.详细请看ultralytics/nn/extra_modules/head.py中的Detect_Efficient class. ultralytics/cfg/models/v8/yolov8-SEAMHead.yaml 使用YOLO-Face V2中的遮挡感知注意力改进Head,使其有效地处理遮挡场景. ultralytics/cfg/models/v8/yolov8-MultiSEAMHead.yaml 使用YOLO-Face V2中的遮挡感知注意力改进Head,使其有效地处理遮挡场景.
Label Assign系列 Adaptive Training Sample Selection匹配策略. 在ultralytics/utils/loss.py中的class v8DetectionLoss中自行选择对应的self.assigner即可.
PostProcess系列 soft-nms(IoU,GIoU,DIoU,CIoU,EIoU,SIoU,ShapeIoU) soft-nms替换nms.(建议:仅在val.py时候使用,具体替换请看20240122版本更新说明)
上下采样算子 ultralytics/cfg/models/v8/yolov8-ContextGuidedDown.yaml 使用CGNet中的Light-weight Context Guided DownSample进行下采样. ultralytics/cfg/models/v8/yolov8-SPDConv.yaml 使用SPDConv进行下采样. ultralytics/cfg/models/v8/yolov8-dysample.yaml 使用ICCV2023 DySample改进yolov8-neck中的上采样. ultralytics/cfg/models/v8/yolov8-CARAFE.yaml 使用ICCV2019 CARAFE改进yolov8-neck中的上采样. ultralytics/cfg/models/v8/yolov8-HWD.yaml 使用Haar wavelet downsampling改进yolov8的下采样.(请关闭AMP情况下使用)
YOLOV8-C2f系列 ultralytics/cfg/models/v8/yolov8-C2f-Faster.yaml 使用C2f-Faster替换C2f.(使用FasterNet中的FasterBlock替换C2f中的Bottleneck) ultralytics/cfg/models/v8/yolov8-C2f-ODConv.yaml 使用C2f-ODConv替换C2f.(使用ODConv替换C2f中的Bottleneck中的Conv) ultralytics/cfg/models/v8/yolov8-C2f-ODConv.yaml 使用C2f-ODConv替换C2f.(使用ODConv替换C2f中的Bottleneck中的Conv) ultralytics/cfg/models/v8/yolov8-C2f-Faster-EMA.yaml 使用C2f-Faster-EMA替换C2f.(C2f-Faster-EMA推荐可以放在主干上,Neck和head部分可以选择C2f-Faster) ultralytics/cfg/models/v8/yolov8-C2f-DBB.yaml 使用C2f-DBB替换C2f.(使用DiverseBranchBlock替换C2f中的Bottleneck中的Conv) ultralytics/cfg/models/v8/yolov8-C2f-CloAtt.yaml 使用C2f-CloAtt替换C2f.(使用CloFormer中的具有全局和局部特征的注意力机制添加到C2f中的Bottleneck中)(需要看常见错误和解决方案的第五点) ultralytics/cfg/models/v8/yolov8-C2f-SCConv.yaml SCConv(CVPR2020 http://mftp.mmcheng.net/Papers/20cvprSCNet.pdf)与C2f融合. ultralytics/cfg/models/v8/yolov8-C2f-SCcConv.yaml ScConv(CVPR2023 https://openaccess.thecvf.com/content/CVPR2023/papers/Li_SCConv_Spatial_and_Channel_Reconstruction_Convolution_for_Feature_Redundancy_CVPR_2023_paper.pdf)与C2f融合. (取名为SCcConv的原因是在windows下命名是不区分大小写的) ultralytics/cfg/models/v8/yolov8-KernelWarehouse.yaml 使用Towards Parameter-Efficient Dynamic Convolution添加到yolov8中. 使用此模块需要注意,在epoch0-20的时候精度会非常低,过了20epoch会正常. ultralytics/cfg/models/v8/yolov8-C2f-DySnakeConv.yaml DySnakeConv与C2f融合. ultralytics/cfg/models/v8/yolov8-C2f-DCNV2.yaml 使用C2f-DCNV2替换C2f.(DCNV2为可变形卷积V2) ultralytics/cfg/models/v8/yolov8-C2f-DCNV3.yaml 使用C2f-DCNV3替换C2f.(DCNV3为可变形卷积V3(CVPR2023,众多排行榜的SOTA)) 官方中包含了一些指定版本的DCNV3 whl包,下载后直接pip install xxx即可.具体和安装DCNV3可看百度云链接中的视频. ultralytics/cfg/models/v8/yolov8-C2f-OREPA.yaml 使用C2f-OREPA替换C2f.Online Convolutional Re-parameterization (CVPR2022) ultralytics/cfg/models/v8/yolov8-C2f-REPVGGOREPA.yaml 使用C2f-REPVGGOREPA替换C2f.Online Convolutional Re-parameterization (CVPR2022) ultralytics/cfg/models/v8/yolov8-C2f-DCNV4.yaml 使用DCNV4改进C2f.(请关闭AMP进行训练,使用教程请看20240116版本更新说明) ultralytics/cfg/models/v8/yolov8-C2f-ContextGuided.yaml 使用CGNet中的Light-weight Context Guided改进C2f. ultralytics/cfg/models/v8/yolov8-C2f-MSBlock.yaml 使用YOLO-MS中的MSBlock改进C2f. ultralytics/cfg/models/v8/yolov8-C2f-DLKA.yaml 使用deformableLKA改进C2f. ultralytics/cfg/models/v8/yolov8-C2f-DAttention.yaml 使用Vision Transformer with Deformable Attention(CVPR2022)改进C2f.(需要看常见错误和解决方案的第五点) 使用注意点请看百度云视频.(DAttention(Vision Transformer with Deformable Attention CVPR2022)使用注意说明.) 使用ParC-Net中的ParC_Operator改进C2f.(需要看常见错误和解决方案的第五点) 使用注意点请看百度云视频.(20231031更新说明) ultralytics/cfg/models/v8/yolov8-C2f-DWR.yaml 使用DWRSeg中的Dilation-wise Residual(DWR)模块,加强从网络高层的可扩展感受野中提取特征. ultralytics/cfg/models/v8/yolov8-C2f-RFAConv.yaml 使用RFAConv中的RFAConv改进yolov8. ultralytics/cfg/models/v8/yolov8-C2f-RFCBAMConv.yaml 使用RFAConv中的RFCBAMConv改进yolov8. ultralytics/cfg/models/v8/yolov8-C2f-RFCAConv.yaml 使用RFAConv中的RFCAConv改进yolov8. ultralytics/cfg/models/v8/yolov8-C2f-FocusedLinearAttention.yaml 使用FLatten Transformer(ICCV2023)中的FocusedLinearAttention改进C2f.(需要看常见错误和解决方案的第五点) 使用注意点请看百度云视频.(20231114版本更新说明.) ultralytics/cfg/models/v8/yolov8-C2f-MLCA.yaml 使用Mixed Local Channel Attention 2023改进C2f.(用法请看百度云视频-20231129版本更新说明) ultralytics/cfg/models/v8/yolov8-C2f-AKConv.yaml 使用AKConv 2023改进C2f.(用法请看百度云视频-20231129版本更新说明) ultralytics/cfg/models/v8/yolov8-C2f-UniRepLKNetBlock.yaml 使用UniRepLKNet中的UniRepLKNetBlock改进C2f. ultralytics/cfg/models/v8/yolov8-C2f-DRB.yaml 使用UniRepLKNet中的DilatedReparamBlock改进C2f. ultralytics/cfg/models/v8/yolov8-C2f-AggregatedAtt.yaml 使用TransNeXt中的聚合感知注意力改进C2f.(需要看常见错误和解决方案的第五点) ultralytics/cfg/models/v8/yolov8-C2f-SWC.yaml 使用shift-wise conv改进yolov8中的C2f. ultralytics/cfg/models/v8/yolov8-C2f-iRMB.yaml 使用EMO ICCV2023中的iRMB改进C2f. ultralytics/cfg/models/v8/yolov8-C2f-VSS.yaml 使用最新的Mamba架构Mamba-UNet中的VSS对C2f中的BottleNeck进行改进,使其能更有效地捕获图像中的复杂细节和更广泛的语义上下文. ultralytics/cfg/models/v8/yolov8-C2f-LVMB.yaml 使用最新的Mamba架构Mamba-UNet中的VSS与Cross Stage Partial进行结合,使其能更有效地捕获图像中的复杂细节和更广泛的语义上下文.
组合系列 ultralytics/cfg/models/v8/yolov8-fasternet-bifpn.yaml fasternet与bifpn的结合. 其中BIFPN中有三个可选参数 Fusion 其中BIFPN中的Fusion模块支持四种: weight, adaptive, concat, bifpn(default), SDI 其中weight, adaptive, concat出自paper链接-Figure 3, SDI出自U-NetV2node_mode 其中目前(后续会更新喔)支持这些结构head_channel BIFPN中的通道数,默认设置为256.
注意力系列
EMASimAMSpatialGroupEnhanceBiLevelRoutingAttention, BiLevelRoutingAttention_nchwTripletAttentionCoordAttCBAMBAMBlockEfficientAttention(CloFormer中的注意力)LSKBlockSEAttentionCPCAdeformable_LKAEffectiveSEModuleLSKASegNext_AttentionDAttention(Vision Transformer with Deformable Attention CVPR2022)FocusedLinearAttention(ICCV2023)MLCATransNeXt_AggregatedAttentionLocalWindowAttention(EfficientViT中的CascadedGroupAttention注意力)
Loss系列
SlideLoss,EMASlideLoss.(可动态调节正负样本的系数,让模型更加注重难分类,错误分类的样本上)IoU,GIoU,DIoU,CIoU,EIoU,SIoU,MPDIoU,ShapeIoU.Inner-IoU,Inner-GIoU,Inner-DIoU,Inner-CIoU,Inner-EIoU,Inner-SIoU,Inner-ShapeIoU.Wise-IoU(v1,v2,v3)系列(IoU,WIoU,EIoU,GIoU,DIoU,CIoU,SIoU,MPDIoU,ShapeIoU).Inner-Wise-IoU(v1,v2,v3)系列(IoU,WIoU,EIoU,GIoU,DIoU,CIoU,SIoU,MPDIoU,ShapeIoU).FocalLoss,VarifocalLoss,QualityfocalLossFocaler-IoU系列(IoU,GIoU,DIoU,CIoU,EIoU,SIoU,WIoU,MPDIoU,ShapeIoU)Powerful-IoU,Powerful-IoUV2,Inner-Powerful-IoU,Inner-Powerful-IoUV2,Focaler-Powerful-IoU,Focaler-Powerful-IoUV2,Wise-Powerful-IoU(v1,v2,v3),Wise-Powerful-IoUV2(v1,v2,v3)论文链接
更新公告 20230620-yolov8-v1.1 增加EMA,C2f-Faster-EMA.val.py增加batch选择.train.py增加resume断点续训. 20230625-yolov8-v1.2 使用说明和视频增加断点续训教程.增加 使用C2f-DBB替换C2f.(使用DiverseBranchBlock替换C2f中的Bottleneck中的Conv) C2f-DBB同样可以用在bifpn中的node.使用说明中增加常见错误以及解决方案. 20230627-yolov8-v1.3 增加Adaptive Training Sample Selection匹配策略.val.py增加save_txt参数.更新使用教程. 20230701-yolov8-v1.4 val.py中增加imgsz参数可以自定义val时候的图片尺寸默认为640.增加plot_result.py用于绘制对比曲线图详细请看使用说明13点.支持计算COCO评价指标.详细请看使用说明12点.增加yolov8-slimneck.其中VoVGSCSP\VoVGSCSPC支持在bifpn中使用,支持GSConv的替换. 20230703-yolov8-v1.5 修正计算gflops.增加YOLOV5-AnchorFree改进详细可看使用教程.md增加yolov8-attention.yaml并附带视频如何在yaml中添加注意力层更新train.py --info参数的功能增加打印每一层的参数增加模型融合前后的层数参数量计算量对比。 20230705-yolov8-v1.6 yolov5和yolov8 支持 Asymptotic Feature Pyramid Network. 20230714-yolov8-v1.7 把添加的所有模块全部转移到ultralytics/nn/extra_modules以便后面进行同步代码。增加yolov5-bifpn。修正ultralytics/models/v8/yolov8-efficientViT.yaml经粉丝反映EfficientViT存在同名论文本次更新的EfficientViT更适合目标检测之前的efficientViT的原文是在语义分割上进行提出的。更新使用教程。更新import逻辑现在不需要安装mmcv也可以进行使用但是没有安装mmcv的使用dyhead会进行报错降低上手难度。 20230717-yolov8-v1.8 修正vanillanet主干进行fuse后没法计算GFLOPs的bug.添加yolov8-C2f-CloAtt,yolov5-C3-CloAtt.添加yolov8-vanillanet.yaml. 20230723-yolov8-v1.9 利用(ICLR2023)Reversible Column Networks对yolov5,yolov8的结构进行重设计.支持旋转目标检测2023SOTA的LSKNet主干.支持旋转目标检测2023SOTA的LSKNet主干中的LSKBlock注意力机制.更新使用教程中的常见错误.使用教程中增加常见疑问. 20230730-yolov8-v1.10 增加yolov8-C2f-SCConv,yolov5-C3-SCConv.(CVPR 2020 http://mftp.mmcheng.net/Papers/20cvprSCNet.pdf)增加yolov8-C2f-ScConv,yolov5-C3-ScConv.(CVPR 2023 https://openaccess.thecvf.com/content/CVPR2023/papers/Li_SCConv_Spatial_and_Channel_Reconstruction_Convolution_for_Feature_Redundancy_CVPR_2023_paper.pdf)更新使用教程.更新视频百度云链接,增加SCConv和ScConv的使用教程. 20230730-yolov8-v1.11 yolov8-C2f-ScConv,yolov5-C3-ScConv分别更名为yolov8-C2f-SCcConv,yolov5-C3-SCcConv,因为在windows下命名不会区分大小写,导致解压的时候会出现覆盖请求.支持MPDiou,具体修改方法请看使用教程. 20230802-yolov8-v1.11.1 去除dataloader中的drop_last(ultralytics/yolo/data/build.py, build_dataloader func).修正MPDiou. 20230806-yolov8-v1.12 添加全新自研模块(Light Adaptive-weight downsampling),具体可看使用教程. 20230808-yolov8-v1.13 添加全新自研模块(EMSC, EMSCP),具体可看使用教程.添加RSC-YOLO中的RCSOSA到yolov5和yolov8中.更新使用教程. 20230824-yolov8-v1.14 支持SlideLoss和EMASlideLoss(利用Exponential Moving Average优化mean iou,可当自研创新模块),使用方式具体看使用教程.支持KernelWarehouse:Towards Parameter-Efficient Dynamic Convolution(2023最新发布的动态卷积).支持最新可变形卷积-Dynamic Snake Convolution.支持Normalized Gaussian Wasserstein Distance(NWD).增加CPCANet中的CPCA注意力机制.更新使用教程. 20230830-yolov8-v1.15 对检测头进行重设计,支持10种(参数量和计算量更低的)检测头,详细请看使用教程. 20230904-yolov8-v1.16 支持DCNV2,DCNV3.详细请看项目百度云视频.使用DCNV3改进DyHead.(ultralytics/models/v5/yolov5-dyhead-DCNV3.yaml,ultralytics/models/v8/yolov8-dyhead-DCNV3.yaml)根据YOLOV7-AUX辅助训练头思想,改进YOLOV8,增加辅助训练头,训练时候参与训练,检测时候去掉.(ultralytics/models/v5/yolov5-AuxHead.yaml, ultralytics/models/v8/yolov8-AuxHead.yaml)增加C3-Faster(ultralytics/models/v5/yolov5-C3-Faster.yaml).增加C3-ODConv(ultralytics/models/v5/yolov5-C3-ODConv.yaml).增加C3-Faster-EMA(ultralytics/models/v5/yolov5-C3-Faster-EMA.yaml).更新使用教程. 20230909-yolov8-v1.17 优化辅助训练头部分代码.修复多卡训练中的一些bug.更新使用教程.(百度云视频中增加关于C3-XXX和C2f-XXX移植到官方yolov5上的讲解)支持TAL标签分配策略中使用NWD(具体可看使用教程). 20230915-yolov8-v1.18 新增Online Convolutional Re-parameterization (CVPR2022).(超越DBB和RepVGG) (C3-OREPA,C3-REPVGGOREPA,C2f-OREPA,C2f-REPVGGOREPA)新增FocalModulation.支持RepViT和SwinTransformer-Tiny主干.利用OREPA优化自研模块(EMSC,EMSCP).更新使用教程和百度云视频. 20230916-yolov8-v1.19 去除OREPA_1x1,该结构会让模型无法收敛或者NAN.新增yolov8-fasternet-bifpn和yolov5-fasternet-bifpn.更新使用教程和百度云视频.(更新OREPA的视频和增加如何看懂代码结构-以C2f-Faster-EMA为例). 20230919-yolov8-v1.19.1 修复C2f-ODConv在20epochs后精度异常问题.修复BAM注意力机制中的padding问题.修复EfficientAttention(CloFormer中的注意力)注意力机制不能在配置文件添加的问题.去除C2f-EMSP-OREPA,C2f-EMSCP-OREPA,C3-EMSP-OREPA,C3-EMSCP-OREPA,这部分不稳定,容易出现NAN.群公告中增加使用前必看的百度云视频链接. 20230924-yolov8-v1.20 增加自研注意力机制MPCA(基于CVPR2021 CA注意力机制).详细可看百度云视频.使用自研注意力机制MPCA强化DCNV2中的offset和mask生成.详细可看百度云视频和使用教程.把timm配置文件的预训练权重参数改为False,也即是默认不下载和使用预训练权重.利用华为2023最新GOLD-YOLO中的Gatherand-Distribute进行改进特征融合模块. 20230927-yolov8-v1.21 使用YOLO-MS中的MSBlock改进C2f和C3模块,具体请看使用教程.使用GCNet中的Light-weight Context Guided改进C2f和C3模块,具体请看使用教程.使用GCNet中的Light-weight Context Guided Down替换YOLO中的下采样模块,具体请看使用教程. 20231010-yolov8-v1.22 RepViT同步官方源码.经实验发现网络全使用C2f-MSBlock和C3-MSBlock不稳定,因此在Neck部分还是使用C2f或C3,具体可参看对应的配置文件.支持deformableLKA注意力机制,并进行改进C2f和C3,提出C2f_DLKA,C3_DLKA.使用DAMO-YOLO中的RepGFPN改进yolov8中的Neck.使用YOLOV6中的EfficientRepBiPAN改进yolov8中的Neck.新增支持SPDConv进行下采样.使用Efficientnet中的MBConv与EffectiveSE改进C2f和C3. 20231020-yolov8-v1.23 更新使用教程和百度云视频.(更新DAttention使用说明视频).增加LSKA, SegNext_Attention, DAttention(Vision Transformer with Deformable Attention CVPR2022).使用LSKA改进SPPF,增强多尺度特征提取能力.使用[Vision Transformer with Deformable Attention(CVPR2022)]改进C2f,C3. 20231107-yolov8-v1.24 新增CVPR2022-CSwinTransformer主干.新增yolov5-AIFI.yaml,yolov8-AIFI.yaml.新增使用ParC-Net中的位置感知循环卷积改进C3,C2f.新增使用DWRSeg中的Dilation-wise Residual(DWR)模块,加强从网络高层的可扩展感受野中提取特征.(yolov5-C3-DWR.yaml,yolov8-C2f-DWR.yaml)把当前所有的改进同步到ultralytics-8.0.202版本上.更新新版百度云链接视频.新增热力图、FPS脚本. 20231114-yolov8-v1.25 新增EIou,SIou.新增Inner-IoU,Inner-GIoU,Inner-DIoU,Inner-CIoU,Inner-EIoU,Inner-SIoU.使用今年最新的MPDIoU与Inner-IoU相结合得到Inner-MPDIoU.新增FLatten Transformer(ICCV2023)中的FocusedLinearAttention改进C3,C2f.更新get_FPS脚本中的模型导入方式,避免一些device报错.更新百度云链接视频-20231114版本更新说明. 20231114-yolov8-v1.26 修正MPDIOU中的mpdiou_hw参数.更新使用教程. 20231129-yolov8-v1.27 新增Mixed Local Channel Attention改进C2f和C3.新增AKConv改进C2f和C3.更新使用教程.更新百度云链接视频-20231129版本更新说明. 20231207-yolov8-v1.28 新增支持2023最新大卷积核CNN架构RepLKNet升级版-UniRepLKNet.新增UniRepLKNet中的[UniRepLKNetBlock, DilatedReparamBlock]改进C3和C2f.使用UniRepLKNet中的DilatedReparamBlock对DWRSeg中的Dilation-wise Residual(DWR)模块进行二次创新后改进C3和C2f.修复get_FPS.py测速前没有进行fuse的问题.更新使用教程.更新百度云链接视频-20231207版本更新说明. 20231217-yolov8-v1.29 新增ASF-YOLO中的Attentional Scale Sequence Fusion,并在其基础上增加P2检测层并进行优化网络结构.新增使用DualConv打造CSP Efficient Dual Layer Aggregation Networks.更新使用教程.更新百度云链接视频-20231217版本更新说明. 20231227-yolov8-v1.30 新增支持TransNeXt主干和TransNeXt中的聚焦感知注意力机制.新增U-NetV2中的Semantics and Detail Infusion Module,分别对BIFPN和PAFPN中的feature fusion部分进行二次创新.更新使用教程.更新百度云链接视频-20231227版本更新说明. 20240104-yolov8-v1.31 新增Shape-IoU,Inner-Shape-IoU.更新使用教程.更新百度云链接视频-20230104版本更新说明. 20240111-yolov8-v1.32 支持FocalLoss,VarifocalLoss,QualityfocalLoss.支持Wise-IoU(v1,v2,v3)系列(IoU,WIoU,EIoU,GIoU,DIoU,CIoU,SIoU,MPDIoU,ShapeIoU).支持Inner-Wise-IoU(v1,v2,v3)系列(IoU,WIoU,EIoU,GIoU,DIoU,CIoU,SIoU,MPDIoU,ShapeIoU).更新使用教程.更新百度云链接视频-20230111版本更新说明. 20240116-yolov8-v1.33 使用ASF-YOLO中Attentional Scale Sequence Fusion与GOLD-YOLO中的Gatherand-Distribute进行二次创新结合.支持最新的DCNV4,C2f-DCNV4,C3-DCNV4,并使用DCNV4对DyHead进行二次创新(DyHead_DCNV4).修复不使用wise的情况下断点续训的bug.更新使用教程.更新百度云链接视频-20230116版本更新说明. 20240122-yolov8-v1.34 使用MFDS-DETR中的HS-FPN改进YOLOV5、YOLOV8中的Neck.对MFDS-DETR中的HS-FPN进行二次创新后得到HSPAN改进YOLOV5、YOLOV8中的Neck.增加CARAFE轻量化上采样算子.增加DySample(ICCV2023)动态上采样算子.增加Haar wavelet downsampling下采样算子.支持soft-nms.(IoU,GIoU,DIoU,CIoU,EIoU,SIoU,ShapeIoU)更新使用教程.更新百度云链接视频-20230122版本更新说明. 20240203-yolov8-v1.35 增加Focaler-IoU(IoU,GIoU,DIoU,CIoU,EIoU,SIoU,WIoU,MPDIoU,ShapeIoU).增加RepGFPN与DySample的二次创新组合.增加ASF-YOLO中的ASSF与DySample的二次创新组合.增加HS-PAN与DySample的二次创新组合.使用遮挡感知注意力SEAM,MultiSEAM改进Head,得到具有遮挡感知识别的SEAMHead,MultiSEAMHead.优化plot_result.py,使用线性插值来填充inf或者nan的数据,降低出现乱码问题的概率.更新使用教程.更新百度云链接视频-20230203版本更新说明. 20240208-yolov8-v1.36 将所有改进代码同步到8.1.9上. 20240216-yolov8-v1.37 增加EMO模型中的iRMB模块,并使用(EfficientViT-CVPR2023)中的CascadedAttention对其二次创新得到iRMB_Cascaded.新增Shift-ConvNets相关改进内容.(rtdetr-SWC.yaml,rtdetr-R50-SWC.yaml,yolov8-detr-C2f-SWC.yaml,yolov5-detr-C3-SWC.yaml)使用UniRepLKNet中的DilatedReparamBlock对EMO中的iRMB进行二次创新.使用Shift-ConvNets中的具有移位操作的卷积对EMO中的iRMB进行二次创新.修复一些已知问题.更新使用教程.百度云视频增加20240216更新说明. 20240219-yolov8-v1.38 使用最新的Mamba架构(号称超越Transformer的新架构)改进C2f(提供两种改进方式).新增Powerful-IoU,Powerful-IoUV2,Inner-Powerful-IoU,Inner-Powerful-IoUV2,Focaler-Powerful-IoU,Focaler-Powerful-IoUV2,Wise-Powerful-IoU(v1,v2,v3),Wise-Powerful-IoUV2(v1,v2,v3)系列.修复一些已知问题.更新使用教程.百度云视频增加20240219更新说明. 文章转载自： http://www.morning.krhkn.cn.gov.cn.krhkn.cn http://www.morning.qyfqx.cn.gov.cn.qyfqx.cn http://www.morning.lffrh.cn.gov.cn.lffrh.cn http://www.morning.lhgkr.cn.gov.cn.lhgkr.cn http://www.morning.mhnb.cn.gov.cn.mhnb.cn http://www.morning.kwblwbl.cn.gov.cn.kwblwbl.cn http://www.morning.cgthq.cn.gov.cn.cgthq.cn http://www.morning.fnbtn.cn.gov.cn.fnbtn.cn http://www.morning.tpnch.cn.gov.cn.tpnch.cn http://www.morning.wfttq.cn.gov.cn.wfttq.cn http://www.morning.tlnkz.cn.gov.cn.tlnkz.cn http://www.morning.qnxtz.cn.gov.cn.qnxtz.cn http://www.morning.bcdqf.cn.gov.cn.bcdqf.cn http://www.morning.ryxgk.cn.gov.cn.ryxgk.cn http://www.morning.klltg.cn.gov.cn.klltg.cn http://www.morning.hlhqs.cn.gov.cn.hlhqs.cn http://www.morning.xhklb.cn.gov.cn.xhklb.cn http://www.morning.fyzsq.cn.gov.cn.fyzsq.cn http://www.morning.wkmyt.cn.gov.cn.wkmyt.cn http://www.morning.wzwpz.cn.gov.cn.wzwpz.cn http://www.morning.nmnhs.cn.gov.cn.nmnhs.cn http://www.morning.tqhpt.cn.gov.cn.tqhpt.cn http://www.morning.srjbs.cn.gov.cn.srjbs.cn http://www.morning.mpyry.cn.gov.cn.mpyry.cn http://www.morning.jygsq.cn.gov.cn.jygsq.cn http://www.morning.tfbpz.cn.gov.cn.tfbpz.cn http://www.morning.kzqpn.cn.gov.cn.kzqpn.cn http://www.morning.tbnn.cn.gov.cn.tbnn.cn http://www.morning.wmqrn.cn.gov.cn.wmqrn.cn http://www.morning.c7496.cn.gov.cn.c7496.cn http://www.morning.nzqmw.cn.gov.cn.nzqmw.cn http://www.morning.bmgdl.cn.gov.cn.bmgdl.cn http://www.morning.ddgl.com.cn.gov.cn.ddgl.com.cn http://www.morning.gzttoyp.com.gov.cn.gzttoyp.com http://www.morning.vattx.cn.gov.cn.vattx.cn http://www.morning.klzdy.cn.gov.cn.klzdy.cn http://www.morning.kpxzq.cn.gov.cn.kpxzq.cn http://www.morning.tgpgx.cn.gov.cn.tgpgx.cn http://www.morning.xfcjs.cn.gov.cn.xfcjs.cn http://www.morning.kqpq.cn.gov.cn.kqpq.cn http://www.morning.clnmf.cn.gov.cn.clnmf.cn http://www.morning.yixingshengya.com.gov.cn.yixingshengya.com http://www.morning.ysdwq.cn.gov.cn.ysdwq.cn http://www.morning.hjbrd.cn.gov.cn.hjbrd.cn http://www.morning.hwcln.cn.gov.cn.hwcln.cn http://www.morning.kwpnx.cn.gov.cn.kwpnx.cn http://www.morning.grwgw.cn.gov.cn.grwgw.cn http://www.morning.wdnkp.cn.gov.cn.wdnkp.cn http://www.morning.eshixi.com.gov.cn.eshixi.com http://www.morning.fxygn.cn.gov.cn.fxygn.cn http://www.morning.ypzr.cn.gov.cn.ypzr.cn http://www.morning.tmlhh.cn.gov.cn.tmlhh.cn http://www.morning.mtbth.cn.gov.cn.mtbth.cn http://www.morning.ygxf.cn.gov.cn.ygxf.cn http://www.morning.nrydm.cn.gov.cn.nrydm.cn http://www.morning.jcfg.cn.gov.cn.jcfg.cn http://www.morning.rgrys.cn.gov.cn.rgrys.cn http://www.morning.qjtbt.cn.gov.cn.qjtbt.cn http://www.morning.xdjsx.cn.gov.cn.xdjsx.cn http://www.morning.pgxjl.cn.gov.cn.pgxjl.cn http://www.morning.prprz.cn.gov.cn.prprz.cn http://www.morning.zdhxm.com.gov.cn.zdhxm.com http://www.morning.zzgkk.cn.gov.cn.zzgkk.cn http://www.morning.ghwtn.cn.gov.cn.ghwtn.cn http://www.morning.qbwmz.cn.gov.cn.qbwmz.cn http://www.morning.lmrjn.cn.gov.cn.lmrjn.cn http://www.morning.lkhgq.cn.gov.cn.lkhgq.cn http://www.morning.pghgq.cn.gov.cn.pghgq.cn http://www.morning.jhfkr.cn.gov.cn.jhfkr.cn http://www.morning.rmmz.cn.gov.cn.rmmz.cn http://www.morning.spsqr.cn.gov.cn.spsqr.cn http://www.morning.lxwjx.cn.gov.cn.lxwjx.cn http://www.morning.pmdzd.cn.gov.cn.pmdzd.cn http://www.morning.rfqkx.cn.gov.cn.rfqkx.cn http://www.morning.rpkg.cn.gov.cn.rpkg.cn http://www.morning.pdmml.cn.gov.cn.pdmml.cn http://www.morning.ggnkt.cn.gov.cn.ggnkt.cn http://www.morning.dhqyh.cn.gov.cn.dhqyh.cn http://www.morning.jbtlf.cn.gov.cn.jbtlf.cn http://www.morning.zdqsc.cn.gov.cn.zdqsc.cn
