本文主要罗列Yolov5小目标性能提升方案，包括注意力机制、多头检测器、loss优化等；

详细介绍了垃圾桶满溢检测​​​​​​​整个过程，从数据集到训练模型到结果可视化分析。

yolov5加入BAM注意力机制，能够起到涨点的作用，添加位置不同在不同数据集表现也不一样

本文属于原创独家改进：2023年全新注意力大派送，内涵多尺度空洞注意力、大型分离卷积、多尺度双视觉、可变形大核注意力、通道优先卷积注意力、多维协作注意、可变形自注意力、EMA，喜迎1024，创新度十足适合科研，强烈推荐，推荐指数五颗星

1）魔改SimAM注意力，引入切片操作：mAP从原始的0.773提升至0.782）魔改SimAM高效结合卷积：mAP从原始的0.773提升至0.785

Yolov5/Yolov7实战，加入四个检测头、即插即用的动态卷积ODConv提升检测精度、 ECVBlock（CFPNet即插即用，助力检测涨点）

yolov5优化改进，通过分布移位卷积（DSConv），提高卷积层的内存效率和速度

首先通过yolov5进行二维码ROI区域教程，然后调用opencv和zbar对QR码进行识别

基于yolov5的PCB缺陷检测，通过不同优化，如CVPR 2023 BiFormer：Vision Transformer with Bi-Level Routing Attention，提升检测精度

用yolov8训练自己的数据集，熟悉yolov8整个流程，便于下一步魔改网络等