大幅超越YOLOv8，MAF-YOLO重参化异构卷积，提升多尺度融合能力 ！（附论文及源码）

文章预览

以下 文 章来源于微信公众号：集智书童 作者：小书童 链接：https://mp.weixin.qq.com/s/2Kdp0VWP-AKK70yq7TExFg 本文仅用于学术分享，如有侵权，请联系 后 台作删文处理 导读 本文介绍了一种新颖的目标检测框架MAF-YOLO，其核心是通过 多分支辅助FPN 保持浅层信息和传递丰富梯度信息，通过重参化异构高效层聚合网络实现多尺度感受野并保留小目标信息。 MAF-YOLO的Nano版本在COCO数据集上获得了较 YOLOv8约5.1%的提升。 由于多尺度特征融合的有效性能，路径聚合FPN（PAFPN）被广泛应用于YOLO检测器中。 然而，它不能同时高效且自适应地融合高级语义信息与低级空间信息。本文提出了一种名为MAF-YOLO的新模型，这是一个具有多功能 Neck 网络的新颖目标检测框架，名为多分支辅助FPN（MAFPN）。 在MAFPN中，设计了表面辅助融合（SAF）模块，以将 Backbone 网络的输出与 Neck 网络 ………………………………