YOLOv8v10改进 | 独家创新篇 | ICML 2024顶会 | YOLOv10利用ICB交互式卷积和ASB自适应频谱模块改进C2f增强特征表示

Ai缝合怪博士

已于 2025-08-10 20:15:41 修改

阅读量551

点赞数 2

CC 4.0 BY-SA版权

分类专栏： YOLOv8v10有效涨点创新改进+永久更新中文章标签： YOLO 深度学习人工智能目标检测计算机视觉 YOLOv8 YOLOv10

于 2024-09-13 18:29:41 首次发布

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/qq_45972324/article/details/142217096

YOLOv8v10有效涨点创新改进+永久更新中专栏收录该内容

46 篇文章 ¥359.90 ¥399.90

订阅专栏

YOLOv8v10专栏限时订阅链接：YOLOv8v10创新改进高效涨点+永久更新中（至少500+改进）+高效跑实验发论文

目录

一、ICB和ASB模块介绍

ICB交互式卷积和ASB自适应频谱模块

二、核心代码

三、手把手教你添加 C2f_ICB和C2f_ASB模块和修改task.py文件

1.首先在yolov10/ultralytics/nn/newsAddmodules创建一个.py文件

2.在yolov10/ultralytics/nn/newsAddmodules/__init__.py中引用

3.修改task.py文件：

四、创建涨点yaml配置文件

参考版本1 : yolov10n_ C2f_ICB.yaml

正常运行：

参考版本2 : yolov10n_ C2f_ASB.yaml

正常运行：

五、本文总结

一、ICB和ASB模块介绍

摘要：时间序列数据以其固有的长程和短程依赖关系为特征，对分析应用程序构成了独特的挑战。虽然基于 Transformer 的模型擅长捕获长距离依赖关系，但它们在噪声敏感性、计算效率和较小数据集的过拟合方面面临限制。作为回应，我们引入了一种新的时间序列轻量级自适应网络（TSLANet），作为不同时间序列任务的通用卷积模型。具体来说，我们提出

了解本专栏

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。