YoloV8改进策略:CoordConv给卷积加上坐标,从而使其具备了空间感知能力 |
您所在的位置:网站首页 › 如何增强空间感知 › YoloV8改进策略:CoordConv给卷积加上坐标,从而使其具备了空间感知能力 |
文章目录
摘要
Yolov8官方结果
CoordConv(pytorch)代码
改进方法
测试结果
总结
摘要
CoordConv通过使用额外的坐标通道让卷积访问自己的输入坐标,允许网络根据任务需要学习平移不变性或平移依赖性。对比卷积,CoordConv具有更好的泛化性、更少的参数和更快的速度。文中提供了初步证据,证明将卷积转换为CoordConv可以在各种任务上改进模型,包括GAN中的模式崩溃减少,MNIST检测的IOU提高以及强化学习领域的智能体受益。 论文链接:https://arxiv.org/pdf/1807.03247.pdf GitHub:https://github.com/uber-research/CoordConv CoordConv的构造如下图所示: 本文将CoordConv加入到YoloV8中,我们一起看看效果如何? Yolov8官方结果 YOLOv8l summary (fused): 268 layers, |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |