🧩 多尺度特征融合
YOLO实践
📚 30章 · 从原理到代码
01
多尺度特征融合概述
为什么YOLO需要多尺度？从感受野到特征金字塔的演进。
02
FPN核心原理
自顶向下的路径与横向连接，如何构建特征金字塔。
03
PANet结构解析
自底向上的路径增强，缩短信息路径。
04
BiFPN
加权特征融合与双向跨尺度连接。
05
ASFF
自适应空间特征融合，让网络自己学权重。
06
NAS-FPN
用神经网络搜索出来的特征融合结构。
07
YOLOv3中的FPN
多尺度预测的经典实现。
08
YOLOv4中的PANet
在FPN基础上加了一条自底向上的路。
09
YOLOv5中的特征融合
从C3模块到Neck设计。
10
YOLOX中的特征融合
解耦头与SimOTA下的融合策略。
11
YOLOv6中的RepBiFPN
重参数化与双向融合的结合。
12
YOLOv7中的ELAN与特征融合
高效层聚合网络如何影响融合。
13
YOLOv8中的C2f模块
梯度流更丰富的特征提取。
14
YOLOv9中的GELAN与PGI
可编程梯度信息如何改进融合。
15
YOLOv10中的创新
轻量化与高效融合的新思路。
16
特征融合中的上采样方法
最近邻、双线性、反卷积、PixelShuffle。
17
特征融合中的下采样方法
池化、步长卷积、空洞卷积。
18
注意力机制在融合中的应用
SE、CBAM、CA、SimAM。
19
跨尺度特征对齐
为什么需要对齐？如何用Align操作解决错位。
20
特征融合中的尺度不变性
多尺度训练与测试技巧。
21
特征融合的消融实验
如何设计实验证明融合的有效性。
22
特征融合的参数量与计算量分析
FLOPs、Params、推理速度。
23
特征融合在轻量化模型中的应用
MobileNet、ShuffleNet与YOLO的结合。
24
特征融合在遥感目标检测中的实践
大尺度变化目标的处理。
25
特征融合在小目标检测中的实践
如何提升小目标的召回率。
26
特征融合在密集场景中的实践
遮挡与重叠目标的处理。
27
特征融合的代码实战：从零搭建FPN
从零搭建一个简单的FPN模块。
28
特征融合的代码实战：YOLOv5+BiFPN
在YOLOv5中替换Neck为BiFPN。
29
特征融合的代码实战：注意力引导融合
自定义注意力引导的特征融合模块。
30
特征融合的未来趋势
大模型时代的特征融合新范式。