专栏介绍：YOLOv9改进系列 | 包含深度学习最新创新，助力高效涨点！！！
专栏介绍
YOLOv9作为最新的YOLO系列模型，对于做目标检测的同学是必不可少的。本专栏将针对2024年最新推出的YOLOv9检测模型，使用当前流行和较新的模块进行改进。本专栏于2024年2月29日晚创建，预计四月底前加入目前大部分已出的顶会、顶刊模块。
后期更新包含模块、卷积、检测头、损失等改进,目前已有70+！
⭐现在入手仅$ 69.9，早入早发论文！⭐
⭐一次付费，获取以下所有更新！⭐
⭐联系QQ: 2668825911 ，欢迎交流！⭐
本项目持续更新 | 最新更新时间：2024年4月21日 | 上周更新4种
周更计划说明
本周更新以填入下放对应章节中。
一、使用篇
二、卷积篇
三、注意力篇
- YOLOv9有效提点|加入SE、CBAM、ECA、SimAM等几十种注意力机制（一）
- YOLOv9有效提点|加入BAM、CloFormer、Reversible Column Networks、Lskblock等几十种注意力机制（二）
- YOLOv9有效提点|加入BiFormer、SEA、EMA、Efficient se等几十种注意力机制（三）
- YOLOv9有效提点|加入SGE、Ge、Global Context、GAM等几十种注意力机制（四）
- YOLOv9有效提点|加入MobileViT 、SK 、Double Attention Networks、CoTAttention等几十种注意力机制（五）
- YOLOv9有效改进|CVPR2023即插即用的到残差注意力机制iRMB
四、上/下采样算子篇
五、 二次创新篇
- YOLOv9独家改进|使用AKConv改进RepNCSPELAN4
- YOLOv9有效改进|使用空间和通道重建卷积SCConv改进RepNCSPELAN4
- YOLOv9独家改进|动态蛇形卷积Dynamic Snake Convolution与RepNCSPELAN4融合
- YOLOv9独家改进|动态蛇形卷积Dynamic Snake Convolution与空间和通道重建卷积SCConv与RepNCSPELAN4融合
- YOLOv9独家改进|使用HWD(小波下采样)模块改进ADown
- 以SE注意力机制为例与C3融合，并加入YOLOv9
- 以SE注意力机制为例与C2f融合，并加入YOLOv9
- 使用ICCV2023中的选择性注意力LSK与C2f融合
- 使用ICCV2023中的选择性注意力LSK与C3融合
- 使用大和注意力机制LSK的通道压缩-解压结构CD_LSK
- 使用CD_LSK与C2f融合
- 使用CD_LSK与C3融合
- 使用CD_LSK与RepNCSPELAN4融合
- 加入GoogLeNet中的Inceptionv3的模块
- 加入GoogLeNet中Inceptionv4的模块
- 使用GhostConv对Inceptionv3中模块进行二次创新
- 使用GhostConv替换Inceptionv4中的模块进行二次创新
- YOLOv9有效改进|使用iRMB与RepNCSPELAN4融合
- GhostConv与Conformer融合
六、 涨点模块篇
- YOLOv9|加入2023Gold YOLO中的GD机制！遥遥领先！
- 更新Bifpn加权双向特征融合
- 加入P2检测头
- 加入P6检测头
- 加入UnetV2中的多层次特征融合模块SDI
- 更新GhostConv的SDI
七、iou及损失函数篇
八、主干网络篇
- YOLOv9有效改进|更新ICCV 2021Conformer:CNN和Transformer双体主干网络
- 更新CVPR2023轻量化主干Fasternet
- 更新MobileNetV1
- SwinTransformer:基于位移窗口的层次化视觉变换器作为主干网络
- 更新ICCV 2021Conformer:CNN和Transformer双体主干网络
- 更新轻量化主干MobileNetV2
- 更新轻量化主干MobileNetV3
- 更新轻量化主干MobileNetV3与GoldYOLO结合
- 更新清华团队提出的CloFormer：重新思考轻量化视觉Transformer中的局部感知主干
- Cloformer和BiFPN结合
欢迎关注!