11 2024 档案

【YOLOv11改进 - 注意力机制】EMA（Efficient Multi-Scale Attention）：基于跨空间学习的高效多尺度注意力

摘要：介绍摘要通道或空间注意力机制在许多计算机视觉任务中表现出显著的效果，可以生成更清晰的特征表示。然而，通过通道维度缩减来建模跨通道关系可能会对提取深度视觉表示带来副作用。本文提出了一种新颖高效的多尺度注意力（EMA）模块。该模块着重于保留每个通道的信息并减少计算开销，我们将部分通道重新调整为批次维阅读全文

posted @ 2024-11-07 22:02 YOLOv8大师阅读(1078) 评论(0) 推荐(0) 编辑

YOLOv11 正式发布！你需要知道什么? 另附：YOLOv8 与YOLOv11 各模型性能比较

摘要：YOLOv11目标检测创新改进与实战案例专栏点击查看文章目录： YOLOv11创新改进系列及项目实战目录包含卷积，主干注意力，检测头等创新机制以及各种目标检测分割项目实战案例点击查看专栏链接: YOLOv11目标检测创新改进与实战案例 2024年9月30日，Ultralytics在他们的阅读全文

posted @ 2024-11-07 21:21 YOLOv8大师阅读(6687) 评论(1) 推荐(0) 编辑

【YOLO11改进 - C3k2融合】C3k2DWRSeg二次创新C3k2_DWR：扩张式残差分割网络，提高特征提取效率和多尺度信息获取能力，助力小目标检测

摘要：介绍摘要许多当前的研究直接采用多速率深度扩张卷积，以同时从一个输入特征图中捕获多尺度上下文信息，从而提高实时语义分割的特征提取效率。然而，由于不合理的结构和超参数，这种设计可能导致难以获取多尺度上下文信息。为了降低获取多尺度上下文信息的难度，我们提出了一种高效的多尺度特征提取方法，将原来的单步方阅读全文

posted @ 2024-11-05 09:26 YOLOv8大师阅读(536) 评论(0) 推荐(0) 编辑

【YOLOv11改进 - 注意力机制】LSKA(Large Separable Kernel Attention)：大核分离卷积注意力模块

摘要：YOLOv11目标检测创新改进与实战案例专栏点击查看文章目录： YOLOv11创新改进系列及项目实战目录包含卷积，主干注意力，检测头等创新机制以及各种目标检测分割项目实战案例点击查看专栏链接: YOLOv11目标检测创新改进与实战案例 @目录YOLOv11目标检测创新改进与实战案例专栏介阅读全文

posted @ 2024-11-01 09:28 YOLOv8大师阅读(753) 评论(0) 推荐(0) 编辑