南阳卧龙区2015网站建设价格,河北自助建站系统平台,jquery加速wordpress,时间线wordpress主题1.概述 在逐层进行特征提取和空间转换的过程中#xff0c;会损失大量信息#xff0c;例如图中的马在建模过程中逐渐变得模糊#xff0c;从而影响到最终的性能。YOLOv9尝试使用可编程梯度信息PGI解决这一问题。 具体来说#xff0c; PGI包含三个部分#xff0c;#xff0…1.概述 在逐层进行特征提取和空间转换的过程中会损失大量信息例如图中的马在建模过程中逐渐变得模糊从而影响到最终的性能。YOLOv9尝试使用可编程梯度信息PGI解决这一问题。 具体来说 PGI包含三个部分1主干分支1辅助可逆分支。2多级辅助信息。其核心思想通俗来说就是通过引入辅助梯度分支计算损失和梯度从而降低信息逐层建模中的损失。需要说明的是辅助梯度分支只在训练中参与计算损失而不在推理中使用。 2. 主干分支 主干分支即yolo系列的PANet.
3.辅助可逆分支 辅助可逆分支提供了一种监督机制能够提供梯度信息保证主分支信息建模的正确性和有效性。此外由于可逆分支只在训练中使用能够有效保证推理时间。
4.多级辅助信息 在进行目标检测的过程中我们往往会使用特征金字塔。引入辅助可逆分支后80*80尺度的浅层特征可能会受到引导学习小物体检测所需的特征此时系统将其他大小的物体的位置视为背景。然而上述行为会导致深层特征金字塔丢失预测目标对象所需的大量信息。多级辅助分支就是告诉三层特征“你们都需要接收到所有关于目标对象的信息不管是小目标、中目标和大目标”。
5.Generalized ELAN YOLOv9也对yolov7的特征提取模块进行了优化其核心思想还是yolo一直以来的csp思想这方面与yolov8完全一致。 YOLOv9实验性能优越 6.消融实验 首先作者对YOLOv9的特征提取模块进行了消融实验当然是YOLO系列的CSP模块表现得更好。 然后作者对GELEN的深度和CSP模块的深度做了消融发现网络对这方面的参数不敏感。 以及PGI在backbone和neck的设置
