YOLOv10改进 | Conv篇 | 添加DiverseBranchBlock多元分支模块（有效涨点，重参数化模块高效推理）

最新推荐文章于 2025-04-15 09:20:46 发布
最新推荐文章于 2025-04-15 09:20:46 发布
阅读量1.3k 收藏 18
点赞数 20
CC 4.0 BY-SA版权
分类专栏： YOLOv10有效涨点专栏 文章标签： YOLO 深度学习 pytorch 人工智能 计算机视觉 YOLOv10 目标检测
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/java1314777/article/details/139999090

 一、本文介绍

本文带来的改进机制是YOLOv10模型与多元分支模块（Diverse Branch Block）的结合，Diverse Branch Block (DBB) 是一种用于增强卷积神经网络性能的结构重新参数化技术。这种技术的核心在于结合多样化的分支，这些分支具有不同的尺度和复杂度，从而丰富特征空间。我将其放在了YOLOv10的不同位置上均有一定的涨点幅度，同时这个DBB模块的参数量并不会上涨太多，我添加三个该机制到模型中，GFLOPs上涨了0.04。

推荐指数：⭐⭐⭐⭐

打星原因：为什么打四颗星是因为我觉得这个机制的计算量会上涨，这是扣分点，其次涨幅效果也比较一般但是有涨点，当然可能是数据集的原因毕竟不同的数据集效果不同

  专栏回顾：YOLOv10改进系列专栏——本专栏持续复习各种顶会内容——科研必备 

目录

 一、本文介绍

二、Diverse Branch Block原理

2.1 Diverse Branch Block的基本原理

2.2 多样化分支结构

 2.3 训练与推理分离

2.4 宏观架构不变

三、Diverse Branch Block的核心代码

四、手把手教你添加Diverse Branch Block机制

4.1 Diverse Branch Block的添加教程

4.1.1 修改一

4.1.2 修改二 

4.1.3 修改三 

4.1.4 修改四 

了解本专栏 订阅专栏 解锁全文
YOLOv8改进 | Conv篇 | 添加DiverseBranchBlock多元分支模块（有效涨点，重参数化模块高效推理）
Snu77的博客
12-08 7009
本文带来的改进机制是YOLOv8模型与多元分支模块（Diverse Branch Block）的结合，Diverse Branch Block (DBB) 是一种用于增强卷积神经网络性能的结构重新参数化技术。这种技术的核心在于结合多样化的分支，这些分支具有不同的尺度和复杂度，从而丰富特征空间。我将其放在了YOLOv8的不同位置上均有一定的涨点幅度，同时这个DBB模块的参数量并不会上涨太多，我添加三个该机制到模型中，GFLOPs上涨了0.4。⭐⭐⭐⭐。
DiverseBranchBlock:多样的分支块
03-27
多元分支程序块：将卷积构建为类似初始的单元（PyTorch）（CVPR-2021） 这是PyTorch的实现。 MegEngine版本位于 论文： : 将很快更新整个仓库。 更新：发布了DiverseBranchBlock。 重构转换代码。 将在几个小时后释放。 有时我称其为ACNet v2，因为'DBB'比ASCII中的'ACB'大2位。 （哈哈）
【YOLOv11改进 - 卷积Conv】Diverse Branch Block（DBB）：多样分支模块
专注于图像领域，主要研究内容包括计算机视觉和深度学习，特别是在图像分类、目标检测和图像生成等方面有深入的研究和实践经验。
10-28 536
【YOLOv11改进 - 卷积Conv】Diverse Branch Block（DBB）：多样分支模块
YOLOv11改进 | Conv篇 | 重参数化多元分支模块DiverseBranchBlock二次创新C3k2（有效涨点，重参数化模块高效推理）
Snu77的博客
10-31 1960
本文带来的改进机制是YOLOv11模型与多元分支模块（Diverse Branch Block）的结合，Diverse Branch Block (DBB) 是一种用于增强卷积神经网络性能的结构重新参数化技术。这种技术的核心在于结合多样化的分支，这些分支具有不同的尺度和复杂度，从而丰富特征空间。我将其放在了YOLOv11的不同位置上均有一定的涨点幅度，同时这个DBB模块的参数量并不会上涨太多，我添加三个该机制到模型中，GFLOPs上涨了0.04。
YOLOv5改进 | Conv篇 | DiverseBranchBlock(DBB)多元分支模块（有效涨点）
Snu77的博客
12-20 2658
本文带来的改进机制是YOLOv5模型与多元分支模块（Diverse Branch Block）的结合，Diverse Branch Block (DBB) 是一种用于增强卷积神经网络性能的结构重新参数化技术。这种技术的核心在于结合多样化的分支，这些分支具有不同的尺度和复杂度，从而丰富特征空间。我将其放在了YOLOv5的不同位置上均有一定的涨点幅度，同时这个DBB模块的参数量并不会上涨太多，我添加三个该机制到模型中，GFLOPs上涨了0.04。⭐⭐⭐⭐。
YOLOv5改进 | 多尺度特征提取 | 结合多样分支块及融合的高级设计（CVPR2021）
qq_44224801的博客
08-04 1865
YOLOv5改进 | 多尺度特征提取 | 结合多样分支块及融合的高级设计（CVPR2021）
【RT-DETR有效改进】重参数化模块DiverseBranchBlock助力特征提取（附代码 + 修改教程）
Snu77的博客
02-08 1604
本文给大家带来的是改进机制是一种替换多元分支模块（Diverse Branch Block），Diverse Branch Block (DBB) 是一种用于增强卷积神经网络性能的结构重新参数化技术。这种技术的核心在于结合多样化的分支，这些分支具有不同的尺度和复杂度，从而丰富特征空间。本文改进是基于ResNet18、ResNet34、ResNet50、ResNet101，文章中均以提供，本专栏的改进内容全网独一份深度改进RT-DETR非那种无效Neck部分改进，
YOLOv11改进，YOLOv11检测头融合DiverseBranchBlock(多样分支块)，并添加小目标检测层（四头检测），适合目标检测、分割等任务
在职AI算法工程师，擅长计算机视觉，YOLO目标检测、分割等，擅长web、pyqt界面可视化，好内容持续更新中，来这里跟大家一起学习，共同进步
01-20 1095
YOLOv11检测头融合DiverseBranchBlock(多样分支块)，并添加小目标检测层（四头检测）。多样分支块（DiverseBranchBlock）的代表性设计如下图所示（摘自论文）：1.DiverseBranchBlock(DBB)采用多分支拓扑结构，包括多尺度卷积、顺序1×1-K×K卷积、平均池化和分支相加。这些具有不同感受野和复杂度的路径操作可以丰富特征空间，就像Inception架构一样。2.DiverseBranchBlock(DBB)可以在推理时等效地转换为单个卷积。
YOLOv8 | 卷积模块 | 即插即用的可变核卷积AKConv【附代码+小白可上手】
kay_545
05-24 1092
YOLOv8创新，yolov8改进，yolov8
YOLOv10改进 | Conv篇 | YOLOv10引入SAConv模块
tsg6698的博客
06-16 350
在本文中，我们在目标检测的主干设计中探索了这种机制。在 COCO test-dev 上，DetectoRS 在目标检测方面实现了最先进的 55.7% 框 AP，在实例分割方面实现了 48.5% 的掩模 AP，在全景分割方面实现了 50.0% PQ。到此本文的正式分享内容就结束了，在这里给大家推荐我的YOLOv10改进有效涨点专栏，后期我会根据各种最新的前沿顶会进行论文复现，也会对一些老的改进机制进行补充，如果大家觉得本文帮助到你了，订阅本专栏，关注后续更多的更新~3.3 在tasks.py里引用。
YOLOv8性能升级指南：DiverseBranchBlock助力精准检测与推理效率【YOLOv8】
步入烟尘的博客
10-28 519
DiverseBranchBlock（DBB）是一种具有多分支结构的卷积模块，其核心思想是在训练阶段通过多个不同的分支进行特征提取，从而增强模型的表达能力。在推理阶段，这些分支通过重参数化技术合并为一个卷积层，从而保证了推理效率。DBB的多元分支包括标准卷积、1x1卷积、3x3卷积、以及带有不同尺寸卷积核的可分离卷积等，这些分支可以从不同的尺度和角度提取图像特征，从而提高模型的鲁棒性。首先，我们定义DBB模块。这个模块包含多个分支，包括标准卷积、1x1卷积、3x3卷积、以及带有不同卷积核的可分离卷积等。
【YOLOv8改进 - 卷积Conv】RefConv：重新参数化的重聚焦卷积模块
专注于图像领域，主要研究内容包括计算机视觉和深度学习，特别是在图像分类、目标检测和图像生成等方面有深入的研究和实践经验。
06-28 1049
我们提出了重新参数化再聚焦卷积（Re-parameterized Refocusing Convolution, RefConv）作为常规卷积层的替代方案，这是一种即插即用的模块，可以在不增加推理成本的情况下提高性能。具体来说，对于一个预训练模型，RefConv对从预训练模型继承的基础卷积核应用一个可训练的再聚焦转换，以在参数之间建立连接。例如，深度卷积的RefConv可以将特定通道的卷积核参数与其他卷积核的参数关联起来，即使它们重新聚焦于模型的其他部分，而不仅仅关注于输入特征。
YOLOv8 改进：添加 DiverseBranchBlock 并引入 C2f 结构
最新发布
走向CTO的路上...
04-15 621
YOLO是一种实时目标检测算法，能够在单次计算中输出多个对象的识别和定位。以其高效性和准确性，广泛应用于各种需要实时监控和处理的场景中。nn.ReLU(),nn.ReLU(),return xnn.ReLU(),nn.ReLU(),return x通过将 DiverseBranchBlock 与 YOLOv8 的 C2f 结构结合，我们显著提升了目标检测的性能。这一改进不仅提高了模型的精度，还为复杂环境下的实时应用提供了有效解决方案。
芒果YOLOv8改进38：主干Backbone篇之RepGhostNeXt：基于重参数化结构，实现硬件高效的RepGhost 模块、打造全新YOLOv8检测器
包括YOLOv5、YOLOv7、YOLOv8等模型改进
10-31 917
YOLOv8最新原创打造RepGhostNeXt结构，打造全新YOLOv5检测器
芒果YOLOv10改进59：主干Backbone篇RepVIT结构：最新重参数化结构 顶会2023 二次改进升级版，最新开源移动端网络架构，速度贼快
包括YOLOv5、YOLOv7、YOLOv8等模型改进
06-25 136
YOLOv10改进：主干Backbone篇RepVIT结构：最新重参数化结构 顶会2023 二次改进升级版，最新开源移动端网络架构，速度贼快
YOLOv5改进系列：DiverseBranchBlock（DBB）多分支结构助力涨点
ZzzzzKnight的博客
03-09 827
本文主要工作包括DBB原理介绍及改进代码策略，该模块为即插即用模块，部署位置可根据实际针对任务需求，自行调整。本专栏持续更新中，订阅本栏，关注更新~
YOLOv8改进之C2f-DBB(C2f模块中融合多元分支模块Diverse Branch Block )
分享一些自己改进代码的实例
12-25 3119
提供详细步骤详细代码，手把手教你在yolov8官方包中加入C2f-DBB模块，丰富模型的特征空间，提高检测精度，亲测在多个数据集上有涨点！！！！
YOLOv8改进 | 注意力机制 | 引入多尺度分支来增强特征表征的注意力机制 【CVPR2021】
kay_545
07-08 1541
yolov8,yolov8改进，Diverse Branch Block，
YOLOv8改进 | 注意力机制 | 添加Deformable-LKA
03-12
### 将注意力机制与 Deformable-LKA 集成至 YOLOv8 #### 1. 注意力机制简介 ...经过这些改动之后，应该使用合适的指标（如 mAP）来衡量改进前后系统的差异，并通过对比实验验证所做更改的有效性[^1]。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Snu77

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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。

余额充值