为方便调查宁夏全区荒漠草原植物种类及其分布，需对植物识别方法进行研究。针对YOLO v5s模型参数量大，对复杂背景下的植物不易识别等问题，提出一种复杂背景下植物目标识别轻量化模型YOLO v5s-CBD。改进模型YOLO v5s-CBD在特征提取网络中引入带有Transformer模块的主干网络BoTNet(Bottleneck transformer network)，使卷积和自注意力相结合，提高模型的感受野；同时在特征提取网络融入坐标注意力(Coordinate attention，CA)，有效捕获通道和位置的关系，提高模型的特征提取能力；引入SIoU函数计算回归损失，解决预测框与真实框不匹配问题；使用深度可分离卷积(Depthwise separable convolution，DSC)减小模型体积。实验结果表明，模型YOLO v5s-CBD在单块Nvidia GTX A5000 GPU 帧率可达140帧/s，模型体积为8.9MB，精确率P为95.1%，召回率R为92.9%，综合评价指标F1为94.0%，平均精度均值mAP为95.7%，在VOC数据集平均精度均值可达80.09%。

yolo论文，学yolo必看++

yolo1、yolo2和yolo3原作者论文，适合系统学习yolo使用

包括论文资料以及Github上ultralytics的工作，基于pytorch的yolov3复现，该代码包括检测与训练两个部分。如果资源过期或其他相关问题请在CSDN留言。

yolo1和yolo2论文理论梳理总结

yolo paper逐行翻译，有中英文对照，翻译几乎没有错误，小组共同翻译，龚大家学习，谢谢！包含yolo v1，yolo v2 ，yolo v3

此压缩包包含YOLOv1、YOLOv2、YOLOv3的论文翻译（已经过矫正）。