[YOLOv7/YOLOv5系列算法改进NO.34]更换激活函数为FReLU等十余种激活函数

人工智能算法研究院

已于 2023-01-05 14:01:44 修改

阅读量8.3k

点赞数 5

CC 4.0 BY-SA版权

分类专栏： YOLO算法改进系列 YOLO系列目标检测算法创新改进方法文章标签：深度学习计算机视觉人工智能

于 2022-10-18 09:02:31 首次发布

本文链接：https://blog.csdn.net/m0_70388905/article/details/127381053

YOLO系列目标检测算法创新改进方法同时被 2 个专栏收录

75 篇文章 ¥129.90 ¥299.90

订阅专栏

超级会员免费看

YOLO算法改进系列

166 篇文章

订阅专栏

本文介绍了针对YOLOv7目标检测算法的改进，通过替换原SiLU激活函数为FReLU等十余种激活函数，旨在提高检测效果。FReLU是一种2D空间条件的激活函数，能有效提升视觉识别任务的性能。实验结果显示，在ResNet-50和ResNet-101上，FReLU分别提高了1.6%和0.7%的top-1准确率。作者分享了添加FReLU的步骤，并指出该方法同样适用于其他YOLO版本及目标检测网络。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

前言：作为当前先进的深度学习目标检测算法YOLOv7，已经集合了大量的trick，但是还是有提高和改进的空间，针对具体应用场景下的检测难点，可以不同的改进方法。此后的系列文章，将重点对YOLOv7的如何改进进行详细的介绍，目的是为了给那些搞科研的同学需要创新点或者搞工程项目的朋友需要达到更好的效果提供自己的微薄帮助和参考。由于出到YOLOv7，YOLOv5算法2020年至今已经涌现出大量改进论文，这个不论对于搞科研的同学或者已经工作的朋友来说，研究的价值和新颖度都不太够了，为与时俱进，以后改进算法以YOLOv7为基础，此前YOLOv5改进方法在YOLOv7同样适用，所以继续YOLOv5系列改进的序号。另外改进方法在YOLOv5等其他算法同样可以适用进行改进。希望能够对大家有帮助。

具体改进办法请关注后私信留言！关注即免费获取深度学习资料！

解决问题：之前改进从改进的部位来分的话从输入端、主干特征提取网络（backbone）、特征融合网络（neck）、检测头等四个方面进行改进，从改进的方法包括添加注意力机制、损失函数改进、改变网络结构、替换主干特征提取网络、改进非极大值抑制、k-means++聚类算法等方面进行改进，本文尝试通过改进更为专用于视觉任务的激活函数来网络进行改进。原激活函数为SiLU激活函数，来提高检测效果。也可类比方法改为其他种类的激活函数，如下所示：