超越Yolov8/Yolov9，用Hyper图方法释放YOLO系列的所有潜能 ！

文章预览

前言   作者提出了Hyper-YOLO，一种将超图计算集成到视觉特征中以捕捉高阶相关性的新目标检测方法。尽管传统YOLO模型强大，但它们在脖子设计上存在局限性，这限制了跨层次特征的集成和高级特征间关系的利用。 为了解决这些挑战，作者提出了Hypergraph Computation Empowered Semantic Collecting and Scattering（HGC-SCS）框架，该框架将视觉特征图转换为语义空间，并构建一个超图以进行高阶消息传播。 Pytorch训练营，花两个星期彻底掌握代码实现 CV各大方向专栏与各个部署框架最全教程整理 CV全栈指导班、基础入门班、论文指导班 全面上线!! 源代码：https://github.com/iMoonLab/Hyper-YOLO I Introduction YOLO系列是目标检测领域的主流方法，为各种应用场景提供了多种优势。YOLO的架构包括两个主要部分：backbone 和 neck 。尽管backbone主要用于特征提取，但已经取得了广泛的研究 ………………………………