YOLOv8有效改进系列及项目实战目录 包含卷积，主干 注意力，检测头等创新机制 以及 各种目标检测分割项目实战案例

专栏介绍

专栏内容与亮点

• 历史与前沿兼顾：我们不仅关注最新的研究成果，还会持续更新和回顾那些经过实践验证的改进机制。

• 多方位网络改进：注意力机制替换、卷积优化、检测头创新、损失与iou优化、block优化与多层特征融合、轻量级网络设计等改进思路，帮助您实现全方位的创新。

• 创新点代码：每篇文章都附带详细的步骤和源码，便于您的论文写作和项目实现。

• 高频更新：每周发布3-10篇最新创新机制文章，确保时刻掌握前沿内容。

• 实习与就业指导：未来我们还将发布与yolo相关的工作内容，解答面试中可能涉及的问题，助您在图像算法工程师的道路上更进一步。

适用场景与任务

专栏内容适用于各种场景，包括但不限于：

• 红外成像
• 小目标检测
• 工业缺陷检测
• 医学影像
• 遥感目标检测
• 低对比度场景

入门必会知识点

标题	链接
写给初学者的yolo目标检测 概述
yolov8 来了，快速上手实操
目标检测算法以及常用库概述
万字详解yolov8网络结构backbone/neck/head以及conv、bottleneck、c2f、sppf、detect等模块
新手小白快速看懂yolov8模型训练结果图表，通过map、precision、recall等评价性能
图解yolov8基础概念详解
yolov8.yaml文件详解
yolov8 超参数调优和数据增强指南
yolov9教程：如何在自定义数据上进行yolov9的分割训练
yolo-world：缩小开放词汇下的目标检测检测速度和准确性之间的差距
手把手教你搭建yolov8+cuda环境，训练自定义数据集，训练推理验证导出。小白也能看得懂的！
万字长文精解目标检测中的tp、fp、fn、tn、precision、recall 、 f1 score、ap、map与ar 。附代码实现。
混淆矩阵与多分类混淆矩阵概念详解及其应用求 precision f1-score recall

实战小项目

标题	链接
使用 yolov8 和 python、opencv 实现行人检测
如何使用 yolov9 进行对象检测
yolov9教程：如何在自定义数据上进行yolov9的分割训练
使用yolov8和opencv计算视频中手扶梯上的人数
使用yolov5实现视频中的车辆计数
yolo结合pysimplegui 构建实时目标检测软件！soeasy！

yolo创新改进

序号	标题	链接
1	【yolov8改进 】 akconv(可改变核卷积)：任意数量的参数和任意采样形状的即插即用的卷积 (论文笔记+引入代码)		conv
2	【yolov8改进】动态蛇形卷积（dynamic snake convolution）用于管状结构分割任务 (论文笔记+引入代码)		conv
3	【yolov8改进】scconv ：即插即用的空间和通道重建卷积 (论文笔记+引入代码)		conv
4	【yolov8改进】rfaconv：感受野注意力卷积，创新空间注意力 (论文笔记+引入代码)		conv
5	【yolov8改进】骨干网络： swintransformer (基于位移窗口的层次化视觉变换器）(论文笔记+引入代码)		主干
6	【yolov8改进】inner-iou: 基于辅助边框的iou损失(论文笔记+引入代码)		损失函数
7	【yolov8改进】shape-iou：考虑边框形状与尺度的指标(论文笔记+引入代码)		损失函数
8	【yolov8改进】mpdiou：有效和准确的边界框损失回归函数 (论文笔记+引入代码)		损失函数
9	【yolov8改进】bifpn：加权双向特征金字塔网络 (论文笔记+引入代码)		特征融合
10	【yolov8改进】 afpn ：渐进特征金字塔网络 (论文笔记+引入代码).md		特征融合
11	【yolov8改进】 spd-conv空间深度转换卷积，处理低分辨率图像和小对象问题 (论文笔记+引入代码)		conv
12	【yolov8改进】msca: 多尺度卷积注意力 (论文笔记+引入代码).md		注意力
13	【yolov8改进】 yolov8 更换骨干网络之 ghostnet ：通过低成本操作获得更多特征 (论文笔记+引入代码).md		主干
14	【yolov8改进】 yolov8 更换骨干网络之ghostnetv2 长距离注意力机制增强廉价操作，构建更强端侧轻量型骨干 (论文笔记+引入代码)		主干
15	【yolov8改进】mca：用于图像识别的深度卷积神经网络中的多维协作注意力 (论文笔记+引入代码)		注意力
16	【yolov8改进】 msda：多尺度空洞注意力 (论文笔记+引入代码)		注意力
17	【yolov8改进】irmb： 倒置残差移动块 (论文笔记+引入代码)		注意力机制
18	【yolov8改进】coordattention： 用于移动端的高效坐标注意力机制 (论文笔记+引入代码)		注意力机制
19	【yolov8改进】mobilenetv3替换backbone (论文笔记+引入代码)		主干
20	【yolov8改进】mobilevit 更换主干网络： 轻量级、通用且适合移动设备的视觉变压器 (论文笔记+引入代码)		主干
21	【yolov8改进】msblock : 分层特征融合策略 (论文笔记+引入代码)		conv
22	【yolov8改进】polarized self-attention: 极化自注意力 (论文笔记+引入代码)		注意力机制
23	【yolov8改进】lsknet(large selective kernel network ):空间选择注意力 (论文笔记+引入代码)		注意力机制
24	【yolov8改进】explicit visual center: 中心化特征金字塔模块(论文笔记+引入代码)		特征融合篇
25	【yolov8改进】non-local：基于非局部均值去噪滤波的自注意力模型 (论文笔记+引入代码)		注意力机制
26	【yolov8改进】sta(super token attention) 超级令牌注意力机制 (论文笔记+引入代码))		注意力机制
27	【yolov8改进】hat(hybrid attention transformer,)混合注意力机制 (论文笔记+引入代码))		注意力机制
28	【yolov8改进】acmix(mixed self-attention and convolution) (论文笔记+引入代码)		混合卷积注意力机制
29	【yolov8改进】ema（efficient multi-scale attention）：基于跨空间学习的高效多尺度注意力 (论文笔记+引入代码)		注意力机制
30	【yolov8改进】cpca(channel prior convolutional attention)中的通道注意力,增强特征表征能力 (论文笔记+引入代码)		注意力机制
31	【yolov8改进】dat（deformable attention）：可变性注意力 (论文笔记+引入代码)		注意力机制
32	【yolov8改进】d-lka attention：可变形大核注意力 (论文笔记+引入代码)		注意力机制
33	【yolov8改进】lska(large separable kernel attention)：大核分离卷积注意力模块 (论文笔记+引入代码)		注意力机制
34	【yolov8改进】cotattention:上下文转换器注意力(论文笔记+引入代码)		注意力机制
35	【yolov8改进】mlca(mixed local channel attention):混合局部通道注意力(论文笔记+引入代码)		注意力机制
36	【yolov8改进】cafm(convolution and attention fusion module):卷积和注意力融合模块		混合卷积注意力机制
37	【yolov8改进】msfn(multi-scale feed-forward network):多尺度前馈网络		其他
38	【yolov8改进】bra(bi-level routing attention ):双层路由注意力(论文笔记+引入代码)		注意力机制
39	【yolov8改进】 odconv(omni-dimensional dynamic convolution)：全维度动态卷积		conv
40	【yolov8改进】 saconv(switchable atrous convolution)：可切换的空洞卷积		conv
41	【yolov8改进】 parameternet：dynamicconv(dynamic convolution)：2024最新动态卷积		conv
42	【yolov8改进】 rfb (receptive field block)：多分支卷积块		conv
43	【yolov8改进】 orepa(online convolutional re-parameterization)：在线卷积重参数化		conv
44	【yolov8改进】dualconv( dual convolutional)：用于轻量级深度神经网络的双卷积核		conv
45	【yolov8改进】slideloss损失函数，解决样本不平衡问题		损失函数
46	【yolov8改进】 yolov8自带损失函数ciou / diou / giou 详解，以及如何切换损失函数		损失函数
47	【yolov8改进】yolov8 更换损失函数之 siou eiou wiou _ focal_*iou ciou diou shapeiou mpdiou		损失函数
48	【yolov8改进 - backbone主干】efficientrep：一种旨在提高硬件效率的repvgg风格卷积神经网络架构		backbone
49	【yolov8改进 - 注意力机制】senetv2: 用于通道和全局表示的聚合稠密层，结合se模块和密集层来增强特征表示		注意力机制
50	【yolov8改进 - backbone主干】fasternet：基于pconv（部分卷积）的神经网络，提升精度与速度，降低参数量。		主干
51	【yolov8改进 - 注意力机制】sea_attention: squeeze-enhanced axial attention,结合全局语义提取和局部细节增强		注意力机制
52	【yolov8改进 - backbone主干】shufflenet v2：卷积神经网络（cnn）架构		主干
53	【yolov8改进 - backbone主干】vanillanet：极简的神经网络，利用vanillablock降低yolov8参数		主干
54	【yolov8改进 - backbone主干】vanillanet：极简的神经网络，利用vanillanet替换yolov8主干		主干
55	【yolov8改进 - backbone主干】清华大学cloformer attnconv ：利用共享权重和上下文感知权重增强局部感知，注意力机制与卷积的完美融合		主干
56	【yolov8改进 - 特征融合】 yoga iaff ：注意力机制在颈部的多尺度特征融合		特征融合
57	【yolov8改进 - 特征融合neck】 damo-yolo之repgfpn ：实时目标检测的创新型特征金字塔网络		特征融合neck
58	【yolov8改进 - 特征融合neck】 hs-fpn ：用于处理多尺度特征融合的网络结构,降低参数		特征融合neck
59	【yolov8改进 - 特征融合neck】slim-neck：目标检测新范式，既轻量又涨点		特征融合neck
60	【yolov8改进 - 特征融合neck】carafe：轻量级新型上采样算子，助力细节提升		特征融合篇
61	【yolov8改进 - 注意力机制】c2f结合cbam：针对卷积神经网络（cnn）设计的新型注意力机制		注意力机制
62	【yolov8改进 - 特征融合】dysample ：超轻量级且高效的动态上采样器		特征融合篇
63	【yolov8改进 - 注意力机制】triplet attention：轻量有效的三元注意力		注意力机制
64	【yolov8改进 - 特征融合neck】asf-yolo：ssff融合+tpe编码+cpam注意力，提高检测和分割能力		特征融合neck
65	【yolov8改进 - 卷积conv】refconv：重新参数化的重聚焦卷积模块		卷积conv
66	【yolov8改进 - 注意力机制】skattention：聚合分支信息，实现自适应调整感受野大小		注意力机制
67	【yolov8改进 - 注意力机制】simam：轻量级注意力机制，解锁卷积神经网络新潜力		注意力机制
68	【yolov8改进 - 注意力机制】nam：基于归一化的注意力模块，将权重稀疏惩罚应用于注意力机制中，提高效率性能		注意力机制
69	【yolov8改进 - 注意力机制】ls-yolo msfe：新颖的多尺度特征提取模块 | 小目标/遥感		注意力机制
70	【yolov8改进 - 注意力机制】hcf-net 之 mdcr：多稀释通道细化器模块 ，以不同的稀释率捕捉各种感受野大小的空间特征 | 小目标		注意力机制
71	【yolov8改进 - 注意力机制】 mhsa：多头自注意力（multi-head self-attention）		注意力机制
72	【yolov8改进 - 注意力机制】hcf-net 之 ppa：并行化注意力设计 | 小目标		注意力机制
73	【yolov8改进 - 注意力机制】hcf-net 之 dasi： 维度感知选择性整合模块 | 小目标		注意力机制
74	【yolov8改进 - 卷积conv】dcnv4： 可变形卷积，动态与稀疏操作高效融合的创新算子		卷积conv
75	【yolov8改进 - 检测头】 rt-detr检测头，解决传统目标检测器中非极大值抑制（nms）所带来的速度和准确性之间的平衡问题		检测头
76	【yolov8改进 - 注意力机制】 cascadedgroupattention：级联组注意力，增强视觉transformer中多头自注意力机制的效率和有效性		注意力机制
77	【yolov8改进 - 卷积conv】spconv：去除特征图中的冗余，大幅减少参数数量 | 小目标		conv
78	【yolov8改进- backbone主干】biformer: 通过双向路由注意力构建高效金字塔网络架构 | 小目标		主干
79	【yolo8v改进-损失函数】piou（powerful-iou)：使用非单调聚焦机制更直接、更快的边界框回归损失		损失函数
80	【yolov8改进 - 注意力机制】eca（efficient channel attention）：高效通道注意 模块，降低参数量		注意力机制
81	【yolov8改进 - 注意力机制】gam（global attention mechanism）：全局注意力机制，减少信息损失并放大全局维度交互特征		注意力机制
82	【yolov8改进 -注意力机制】mamba之mllattention ：基于mamba和线性注意力transformer的模型		注意力机制
83	【yolov8改进 - 卷积conv】dwrseg：扩张式残差分割网络，提高特征提取效率和多尺度信息获取能力，助力小目标检测		conv
84	【yolov8改进 -注意力机制】sge(spatial group-wise enhance)：轻量级空间分组增强模块		注意力机制
85	【yolov8改进- backbone主干】2024最新轻量化网络mobilenetv4替换yolov8的backbone		主干
86	【yolov8改进- backbone主干】yolov8 更换主干网络之 pp-lcnet，轻量级cpu卷积神经网络，降低参数量		主干
87	【yolov8改进- backbone主干】yolov8 更换主干网络之efficientnet，高效的卷积神经网络，降低参数量		主干
88	【yolov8改进- backbone主干】yolov8更换主干网络之convnexts，纯卷积神经网络，更快更准，，降低参数量！		主干
89	【yolov8改进-sppf】 focal modulation :使用焦点调制模块替代sppf		sppf
90	【yolov8改进 - 注意力机制】focused linear attention :全新的聚焦线性注意力模块		注意力机制
91	【yolov8改进 - 注意力机制】rcs-osa :减少通道的空间对象注意力，高效且涨点		注意力机制
92	【yolov8改进 - 特征融合neck】 giraffedet之gfpn ：广义特征金字塔网络，高效地融合多尺度特征		特征融合neck
93	【yolov8改进 - 特征融合】 gelan:yolov9 通用高效层聚合网络，高效且涨点		特征融合
94	【yolov8改进 - 注意力机制】s2attention : 整合空间位移和分割注意力		注意力机制
95	【yolov8改进 - 注意力机制】doubleattention: 双重注意力机制，全局特征聚合和分配		注意力机制
96	【yolov8改进】hwd: haar小波降采样,用于语义分割的降采样模块，减少特征图的空间分辨率		其他
97	【yolov8改进 - 特征融合neck】sdi：多层次特征融合模块，替换contact操作		特征融合neck
98	【yolov8改进-sppf】 aifi : 基于注意力的尺度内特征交互，保持高准确度的同时减少计算成本		sppf
99	【yolov8改进 - 注意力机制】gc block: 全局上下文块，高效捕获特征图中的全局依赖关系		注意力机制
100	【yolov8改进 - 特征融合】ffca-yolo: 提升遥感图像中小目标检测的精度和鲁棒性		特征融合
101	【yolov8改进】adown：yolov9轻量化下采样操作		下采样
102	【yolov8改进 - 注意力机制】effectivese : 改进的通道注意力模块，减少计算复杂性和信息丢失		注意力机制
103	【yolov8改进 - 注意力机制】gather-excite attention: 提高了网络捕获长距离特征交互的能力		注意力机制
104	【yolov8改进- backbone主干】botnet：基于transformer，结合自注意力机制和卷积神经网络的骨干网络		backbone主干
105	【yolov8改进- 多模块融合改进】botnet + ema 骨干网络与多尺度注意力的融合改进，小目标高效涨点		多模块融合改进
106	【yolov8改进 - 注意力机制】contextaggregation : 上下文聚合模块，捕捉局部和全局上下文，增强特征表示		注意力机制
107	【yolov8改进- 多模块融合改进】ghostconv + contextaggregation 幽灵卷积与上下文聚合模块融合改进，助力小目标高效涨点		多模块融合改进
108	【yolov8改进- 多模块融合改进】botnet + coordattention 骨干网络与高效坐标注意力机制融合改进，助力小目标高效涨点		多模块融合改进
109	【yolov8改进 - 卷积conv】dcnv1： 可变形卷积，显式和隐式特征交互学习		卷积conv
110	【yolov8改进 - 卷积conv】dcnv2： 可变形卷积，显式和隐式特征交互学习		卷积conv
111	【yolov8改进 - 卷积conv】dcnv3： 可变形卷积，结合稀疏注意力机制与卷积的创新算子		卷积conv
112	【yolov8改进 - sppf】发论文神器！lska注意力改进sppf,增强多尺度特征提取能力，高效涨点！！！		sppf
113	【yolov8改进- 多模块融合改进】发论文神器sppf_lska，结合各种创新改进，以融合simam注意力机制为例！		多模块融合改进