小目标检测 · YOLO改进
📚 30章 完整进阶
v2.0
1
小目标检测概述
什么是小目标 · 难点 · 遥感/安防/自动驾驶
→
2
YOLO系列发展史
YOLOv1→v8 · 回归+网格 · 优缺点
→
3
小目标检测瓶颈分析
特征图分辨率 · 锚框 · 正负样本 · 感受野
→
4
数据增强策略
Mosaic · MixUp · Copy-Paste · 过采样
→
5
多尺度特征融合 (FPN)
FPN原理 · 自上而下 · 横向连接 · YOLO集成
→
6
改进的PANet结构
双向融合 · 自适应池化 · YOLOv5/v8
→
7
BiFPN与加权特征融合
跨尺度连接 · 可学习权重 · 效率精度
→
8
注意力机制 (SE/CBAM/CA)
通道·空间·坐标注意力 · YOLO插入位置
→
9
Transformer与自注意力
ViT · DETR · BoTNet · YOLO+Transformer
→
10
改进的锚框设计
K-means聚类 · 自适应锚框 · OTA/SimOTA
→
11
正负样本分配策略
SimOTA · TaskAligned · ATSS · YOLOv8
→
12
损失函数改进
CIoU · EIoU · SIoU · WIoU · Focal Loss
→
13
小目标检测头设计
解耦头 · 轻量化检测头 · 多尺度头
→
14
Neck网络改进
GhostNet · ShuffleNet · CSPNet · ELAN
→
15
Backbone网络选择
CSPDarknet · Swin-T · RepVGG · EfficientNet
→
16
模型剪枝与量化
结构化剪枝 · 通道剪枝 · 知识蒸馏 · INT8
→
17
训练技巧
Cosine/OneCycle · 标签平滑 · EMA · Warmup
→
18
测试时增强 (TTA)
多尺度测试 · 翻转测试 · 集成测试
→
19
NMS改进
Soft-NMS · DIoU-NMS · Cluster-NMS · 自适应
→
20
小目标数据集构建
VisDrone · DOTA · AI-TOD · 标注规范
→
21
YOLOv5改进实战
Swin-T Backbone · CBAM · 修改检测头
→
22
YOLOv8改进实战
BiFPN · WIoU损失 · 小目标检测层
→
23
YOLOX改进实战
解耦头 · SimOTA · Mosaic+MixUp
→
24
YOLOv7改进实战
ELAN · RepConv · 辅助训练头
→
25
YOLOv9改进实战
PGI · GELAN · 轻量化设计
→
26
YOLOv10改进实战
NMS-free · 双标签分配 · 效率优化
→
27
多任务学习
检测+分割 · 检测+跟踪 · 检测+姿态
→
28
部署与推理优化
ONNX · TensorRT · OpenVINO · NCNN
→
29
实际项目案例
无人机视角 · 遥感车辆 · 工业缺陷检测
→
30
课程总结与前沿展望
YOLO未来 · Mamba · 端到端 · 大模型
→