ARTICLE DETAIL

资讯详情

深耕网站建设、视觉设计与SEO优化的一线实战洞察。

手把手 YOLOv13 实战:引入 SAB 空间注意力的 RAB 卷积模块,mAP 提升 8.96,准确率提升 3.56

手把手 YOLOv13 实战:引入 SAB 空间注意力的 RAB 卷积模块,mAP 提升 8.96,准确率提升 3.56



绿色线条为添加RAB模块后的训练效果,map指标提升8.96,准确率提升3.56

文章目录

  • 移植
    • 创建ultralytics\cfg\models\v13\yolov13-RCB.yaml
    • 修改ultralytics\nn\tasks.py
    • 修改ultralytics/nn/modules/__init__.py
    • 修改ultralytics\nn\modules\block.py
    • 一、RAB 模块简介
    • 二、结构拆解
      • 1. 降维(conv1x1\_1)
      • 2. 多次残差卷积(self.res)
      • 3. 多级残差累加
      • 4. 升维 + 空间注意力(SAB)
      • 5. 最终残差融合
    • 三、整体数据流可视化
    • 四、RAB 模块的特点
    • 五、应用场景
    • 六、改进建议
    • 七、总结

移植

创建ultralytics\cfg\models\v13\yolov13-RCB.yaml

nc:80 # number of classesscales:# model compound scaling constants,i.e.'model=yolov13n.yaml'will call yolov13.yaml with scale'n'# [depth,width,max_channels]n:[0.50
返回列表