YoloV7改进策略:独家原创,全网首发,复现Drone-Yolo,以及改进方法_百度...

发布网友发布时间：2024-09-07 10:16

共1个回答

热心网友时间：2024-09-24 21:31

我开始这篇文章，旨在分享对Drone-Yolo模型的深入研究和改良，这一模型在无人机数据集上取得了显著的进步。首先，我成功地复现了Drone-Yolo模型，它的mAP0.5指标在VisDrone2019-test上的提升达到了惊人的13.4%，而在VisDrone2019-val上，更是实现了17.40%的飞跃性增长，这无疑证实了其在小目标检测领域的强大性能。

在YoloV7的官方结果中，我聚焦于BiC模块的优化。该模块由三个输入和一个输出构成，我根据YoloV6的源代码，并结合YoloV7的特点，对BiC模块进行了适应性调整，以支持不同通道的数据输入和输出，具体代码实现展示了我的创新思考和实践。

通过实施这些改进，我在YoloV7中加入了BiC模块后的测试结果显示，性能得到了显著提升。我不仅复制了原作者的优秀成绩，甚至还超越了它，这无疑显示了我的方法具有很高的实用价值和竞争力。

接着，我对SF模块和网络结构进行了进一步的优化。这次调整不仅影响了mAP@.5的评价，同时对mAP@.5:.95也有着积极的影响，整体提升了模型的检测精度和鲁棒性。