RT-DETR优化改进：轻量级Backbone改进 | VanillaNet极简神经网络模型

RT-DETR优化改进：轻量级Backbone改进 | VanillaNet极简神经网络模型 | 华为诺亚2023

开源分享

阅读 8

2023-11-19

在这里插入图片描述

解决方式是将maven重新导入一下在这里插入图片描述

相关推荐
千白莫
 YOLOv8-Seg改进：轻量级Backbone改进 | VanillaNet极简神经网络模型 | 华为诺亚2023
千白莫 30 0 0
殇感故事
 改进神经网络
殇感故事 12 0 0
想溜了的蜗牛
 【RT-DETR有效改进】华为 | Ghostnetv1一种专为移动端设计的特征提取网络
想溜了的蜗牛 12 0 0
蓝莲听雨
 【RT-DETR有效改进】轻量化ConvNeXtV2全卷积掩码自编码器网络
蓝莲听雨 12 0 0
飞进科技
 YOLOv8改进 | 2023主干篇 | 利用RT-DETR特征提取网络PPHGNetV2改进YOLOv8（超级轻量化精度更高）
飞进科技 41 0 0
上善若水的道
 RT-DETR算法改进：更换损失函数Alpha-IoU损失函数，边界框回归联合损失的幂交集，提升RT-DETR检测精度
上善若水的道 54 0 0
_刘彦辉
 神经网络极简入门
_刘彦辉 7 0 0
干自闭
 [yolov11改进系列]使用轻量级骨干网络MobileNetV4替换backbone的python源码+训练源码+改进流程+改进原理
干自闭 34 0 0
绣文字
 轻量级神经网络——shuffleNet2
绣文字 182 0 0
云上笔记
 【RT-DETR改进涨点】MPDIoU、InnerMPDIoU损失函数中的No.1（包含二次创新）
云上笔记 19 0 0

精彩评论（0）