《RT-DETR魔术师》专栏介绍 CSDN独家改进创新实战专栏目录

RT-DETR魔术师专栏介绍：

https://blog.csdn.net/m0_63774211/category_12497375.html

✨✨✨魔改创新RT-DETR

🚀🚀🚀引入前沿顶会创新（CVPR2023，ICCV2023等），助力RT-DETR

🍉🍉🍉基于ultralytics优化，与YOLO完美结合

💡💡💡重点：通过本专栏的阅读，后续你也可以自己魔改网络，在网络不同位置（Backbone、head、detect、loss等）进行魔改，实现创新！！！

1.Backbone改进

2.注意力机制改进

3.卷积变体改进

4.IOU&LOSS改进

🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀

1.Backbone改进

1.1 HGBlock完美结合PPHGNetV2 GhostConv

RT-DETR算法优化改进：Backbone改进 | HGBlock完美结合PPHGNetV2 GhostConv-CSDN博客

1.2 HGBlock完美结合PPHGNetV2 RepConv

RT-DETR算法优化改进：Backbone改进 | HGBlock完美结合PPHGNetV2 RepConv-CSDN博客

1.3 VanillaNet一种新视觉Backbone，极简且强大！华为诺亚2023

RT-DETR算法优化改进：Backbone改进 | VanillaNet一种新视觉Backbone，极简且强大！华为诺亚2023-CSDN博客

1.4 EfficientViT，基于级联分组注意力模块的全新实时网络架构，better speed and accuracy | CVPR2023

RT-DETR算法优化改进：Backbone改进 | EfficientViT，基于级联分组注意力模块的全新实时网络架构，better speed and accuracy | CVPR2023-CSDN博客

1.5 EMO，结合 CNN 和 Transformer 的现代倒残差移动模块设计 | ICCV2023

RT-DETR算法优化改进：Backbone改进 | EMO，结合 CNN 和 Transformer 的现代倒残差移动模块设计 | ICCV2023-CSDN博客

1.6 LSKNet：遥感旋转目标检测新SOTA | ICCV 2023

RT-DETR算法优化改进：Backbone改进 | LSKNet：遥感旋转目标检测新SOTA | ICCV 2023-CSDN博客

1.7 Next-vit，用于现实工业场景的下一代视觉 Transformer

RT-DETR算法优化改进：Backbone改进 | Next-vit，用于现实工业场景的下一代视觉 Transformer-CSDN博客

1.8 RIFormer：无需TokenMixer也能达成SOTA性能的极简ViT架构 | CVPR2023

RT-DETR算法优化改进：Backbone改进｜RIFormer：无需TokenMixer也能达成SOTA性能的极简ViT架构 | CVPR2023-CSDN博客

2.注意力机制改进

2.1 一种新颖的动态稀疏注意力(BiLevelRoutingAttention) | CVPR2023

RT-DETR算法优化改进：一种新颖的动态稀疏注意力(BiLevelRoutingAttention) | CVPR2023-CSDN博客

2.2 新颖的多尺度卷积注意力（MSCA），即插即用，助力小目标检测 | NeurIPS2022

RT-DETR算法优化改进：新颖的多尺度卷积注意力（MSCA），即插即用，助力小目标检测 | NeurIPS2022-CSDN博客

2.3 多维协作注意模块MCA，暴力涨点，效果秒杀ECA、SRM、CBAM等 | 即插即用系列

RT-DETR算法优化改进：多维协作注意模块MCA，暴力涨点，效果秒杀ECA、SRM、CBAM等 | 即插即用系列-CSDN博客

2.4 一种新颖的可扩张残差（DWR）注意力模块，加强不同尺度特征提取能力

RT-DETR算法优化改进：一种新颖的可扩张残差（DWR）注意力模块，加强不同尺度特征提取能力-CSDN博客

3.卷积变体改进

3.1 可变形大核注意力（D-LKA Attention），超越自注意力，实现暴力涨点 | 2023.8月最新发表 RT-DETR算法优化改进：可变形大核注意力（D-LKA Attention），超越自注意力，实现暴力涨点 | 2023.8月最新发表-CSDN博客

3.2 大型分离卷积注意力模块（ Large Separable Kernel Attention），实现暴力涨点同时显著减少计算复杂性和内存 | 2023.8月最新发表 RT-DETR算法优化改进：大型分离卷积注意力模块（ Large Separable Kernel Attention），实现暴力涨点同时显著减少计算复杂性和内存 | 2023.8月最新发表-CSDN博客