FA-YOLO：基于FMDS和AGMF模块的高效特征选择YOLO改进算法研究
原文中文，约300字，阅读约需1分钟。发表于：。本研究针对现有YOLO模型在处理特征图方面的不足，提出了高效的细粒度多尺度动态选择模块（FMDS）和自适应门控多分支聚焦融合模块（AGMF）。通过引入这两个模块，所提出的FA-YOLO模型在复杂环境中显著提高了对小、中、大目标的检测精度，实验结果表明其在PASCAL VOC 2007数据集上相较于YOLOv9取得了1.0%的mAP提升。
本研究提出了GD机制，利用卷积和自注意操作实现Gold-YOLO模型。该模型在多尺度特征融合和延迟准确性平衡方面表现出色，首次在YOLO系列中实现了MAE风格的预训练。取得了39.9％ AP和1030 FPS的成果。
