一、本文介绍
本文记录的是利用CGNet中的CG block模块优化YOLOv12的目标检测网络模型。CG block通过局部特征提取器、周围环境提取器、联合特征提取器和全局环境提取器来提取局部特征、周围环境和全局环境信息,充分利用不同层次的信息。本文将其应用到v12中,并进行二次创新,使网络能够更好的处理多类别目标的分类能力。
专栏目录:YOLOv12改进目录一览 | 涉及卷积层、轻量化、注意力、损失函数、Backbone、SPPF、Neck、检测头等全方位改进
文章目录
二、CGblock 介绍
CGNet: A Light-Weight Context Guided Network for Semantic Segmentation
2.1 设计出发点
- 受到人类视觉系统依赖上下文信息理解场景的启发。例如人类视觉系统识别黄色区域时,如果只关注该区域本身很难识别,但结合其周围环境(红色区域)以及整个场景的全局环境(紫色区域)就更容易对黄色区域进行分类,
- 所以设计
CG block来充分利用局部特征、周围环境和全局环境以提高准确性。
2.2 原理
1️⃣ 首先通过局部特征提取器 f l o c ( ∗ ) floc(*) f
订阅专栏 解锁全文
1556



被折叠的 条评论
为什么被折叠?



