YOLOv10原创自研-二次创新-全网最新创新点改进系列：YOLOv10-NO.1-针对小目标、复杂场景等鲁棒性增强的全新V10网络架构。

YOLOv10全网最新创新点改进系列项目 保底改进100+改进，努力冲刺200+

所有改进代码均经过实验测试跑通！截止发稿时YOLOv10已改进40+！自己排列组合2-4种后，考虑位置不同后可排列组合上千万种！改进不重样！！专注AI学术，关注B站up主：Ai学术叫叫兽er！

YOLOv10原创自研-二次创新-全网最新创新点改进系列：YOLOv10-NO.1-针对小目标、复杂场景等鲁棒性增强的全新V10网络架构图如下：

高清大图以及可编辑原图格式文件私信博主即可！

专栏为家人们提供跑通的改进源码以及原创自研的全新网络架构，资料中预留联系方式空闲时陪伴大家，一对一答疑。叫叫兽为科研成果而生！！！

专栏为家人们提供优化卷积、注意力机制、检测头改进、主干网络改进、颈部网络改进、损失函数针对性优化多项改进以及文章写作等定制化内容等！免费干货多多！关注B站Ai学术叫叫兽er!

购买相关资料后畅享一对一答疑！点击下方链接，告别导师放养、无人指导科研的疼苦！

详细的改进教程以及源码，戳这！戳这！！戳这！！！B站：AI学术叫叫兽 源码在相簿的链接中，动态中也有链接，感谢支持！祝科研遥遥领先！

一、 BoTNet简介

BoTNet论文地址

BoTNet是一种简单但功能强大的主干网络，该架构将注意力模块纳入了包括图像分类，目标检测，实例分割等多种计算机视觉任务。通过仅将ResNet的最后三个的卷积层替换成MHSA层，并不进行其他改变，在墓边检测方面显著改善了极限，同时减少了参数两，从而使得延迟最小化。
Transformer中的MHSA和BoTNet中的MHSA的区别：

归一化，Transformer使用 Layer Normalization，而BoTNet使用 Batch Normalization。
非线性激活，Transformer仅仅使用一个非线性激活在FPN block模块中，BoTNet使用了3个非线性激活。
输出投影，Transformer中的MHSA包含一个输出投影，BoTNet则没有。
优化器，Transformer使用Adam优化器训练，BoTNet使用sgd+ momentum

AI学术叫叫兽er在这！家人们，给我遥遥领先！！！
AI学术叫叫兽er在这！家人们，给我遥遥领先！！！
AI学术叫叫兽er在这！家人们，给我遥遥领先！！！

二、 Faster Neural Networks简介

Faster Neural Networks论文地址

为了设计快速的神经网络，许多工作一直专注于减少浮点运算(Flop)的数量。然而，我们观察到，这种对FLOP的减少并不一定会导致类似水平的延迟减少。这主要源于低效的每秒浮点操作数(Flop)。为了实现更快的网络速度，我们重新审视了流行的运营商，并证明了这种低FLOPS主要是由于运营商频繁的内存访问，特别是深度卷积。因此，我们提出了一种新的部分卷积(PConv)方法，通过同时减少冗余的计算和内存访问来更有效地提取空间特征。在PConv的基础上，我们进一步提出了FasterNet，这是一种新的神经网络家族，在广泛的设备上获得了比其他网络更高的运行速度，而不会影响各种视觉任务的准确性。例如，在ImageNet1k上，我们的微小FasterNet-T0在GPU、CPU和ARM处理器上分别比MobileViT-XXS快2.8倍、3.3倍和2.4倍，而准确率则高出2.9%。我们的大型FasterNet-L达到了令人印象深刻的83.5%的TOP-1准确率，与新兴的Swin-B不相上下，同时在GPU上的推理吞吐量提高了36%，在CPU上节省了37%的计算时间。

三、增加检测头

近年来，越来越多的科研工作者将小目标检测作为研究方向，受YOLO相关算法的改进启发，本文通过增加了一个小目标探测头，以提高对较小目标的探测灵敏度，从而拉升模型的检测性能！

四、写在最后

学术因方向、个人实验和写作能力以及具体创新内容的不同而无法做到一通百通，所以本文作者即B站up主：Ai学术叫叫兽er在所有B站资料中留下联系方式以便在科研之余为家人们答疑解惑，本up主获得过国奖，发表多篇SCI，擅长目标检测领域，拥有多项竞赛经历，拥有软件著作权，核心期刊等经历。因为经历过所以更懂小白的痛苦！因为经历过所以更具有指向性的指导！

祝福所有科研工作者都能够在自己的领域上更上一层楼！！！

关注B站：Ai学术叫叫兽er

从此走上科研快速路

遥遥领先同行！！！！

详细的改进教程以及源码，戳这！戳这！！戳这！！！B站：AI学术叫叫兽er 源码在相簿的链接中，动态中也有链接，感谢支持！祝科研遥遥领先！