摘要：
本文介绍了通道先验卷积注意力（CPCA）机制及其在YOLOv11中的结合应用。CPCA结合通道注意力与空间注意力，通过多尺度深度可分离卷积模块，有效提取空间关系并保留通道先验。通道注意力学习各通道重要性，空间注意力捕捉特征图位置关系。我们将CPCA模块集成进YOLOv11，替换部分原有模块。实验表明，基于CPCA的CPCANet在医学图像分割任务中，用较少计算资源实现了优于先进算法的分割性能，展现 阅读全文
posted @ 2026-05-12 23:31
魔改工程师
阅读(15)
评论(0)
推荐(0)
摘要：
本文介绍了Contextual Transformer（CoT）块及其在YOLOv11中的结合应用。大多数现有Transformer风格架构设计未充分利用邻近键之间的上下文信息，而CoT块通过3×3卷积对输入键进行上下文编码得到静态表示，将编码后的键与输入查询连接，经两个连续的1×1卷积学习动态多头注意力矩阵，与输入值相乘得到动态表示，最终融合二者作为输出。基于此块构建的CoTNet可替换ResN 阅读全文
posted @ 2026-05-12 23:30
魔改工程师
阅读(12)
评论(0)
推荐(0)
摘要：
本文介绍了Coordinate Attention（坐标注意力）机制及其在YOLOv11中的结合应用。坐标注意力机制将位置信息嵌入通道注意力，通过坐标信息嵌入和坐标注意力生成两个步骤，实现通道关系和长距离关系的编码，解决了传统通道注意力忽略位置信息的问题。该机制通过两个1D特征编码过程聚合特征，捕获长距离依赖并保留精确位置信息，生成方向感知和位置敏感的注意力图，增强感兴趣对象的表示。我们将Coor 阅读全文
posted @ 2026-05-12 23:27
魔改工程师
阅读(47)
评论(0)
推荐(0)
摘要：
本文介绍了CONTAINER（上下文聚合网络）及其在YOLOv11中的结合应用。CONTAINER是一个多头上下文聚合的通用构建模块，提供了统一视角，将CNNs、Transformers和MLP - Mixers视为聚合空间上下文方法的特例。它能利用长程交互，同时利用局部卷积操作的归纳偏差，实现更快收敛。该模块通过可学习参数结合静态和动态亲和矩阵进行上下文聚合。我们将ContextAggregat 阅读全文
posted @ 2026-05-12 23:25
魔改工程师
阅读(9)
评论(0)
推荐(0)
摘要：
本文介绍了内容引导注意力融合模块（CGAFusion）在YOLOv11中的结合应用。CGAFusion由通道注意力、空间注意力和特征融合组成，通过生成通道特定的空间重要性图，有效处理特征非均匀性，提升模型表现。我们将CGAFusion集成到YOLOv11的检测头中，并进行相关注册和配置。实验表明，改进后的模型在显著减少参数与FLOPs的同时，仍具备优异性能，在资源受限场景下展现出高效与实用的优势。 阅读全文
posted @ 2026-05-12 23:24
魔改工程师
阅读(11)
评论(0)
推荐(0)
摘要：
本文介绍了卷积块注意力模块（CBAM）及其在YOLOv11中的集成。CBAM是一种用于CNN的注意力机制，通过依次在通道和空间维度推断注意力图，自适应优化输入特征图。该模块轻量通用，可无缝集成到任何CNN架构中。我们将CBAM引入YOLOv11，在检测头部分的不同尺度特征图上应用该模块。实验表明，改进后的YOLOv11在目标检测任务中表现良好，证明了CBAM在提升模型性能方面的有效性和广泛适用性。 阅读全文
posted @ 2026-05-12 23:22
魔改工程师
阅读(53)
评论(0)
推荐(0)
摘要：
本文介绍了EfficientViT模型中的Cascaded Group Attention（CGA）模块及其在YOLOv11中的应用。CGA受组卷积启发，通过为不同注意力头提供完整特征的分割，解决了传统自注意力机制计算冗余的问题，节省计算量并提高效率。该模块还具有改进注意力多样性、计算效率高和增加模型容量等优势。我们将CGA模块引入YOLOv11，在检测头部分的不同尺度特征图上应用该模块。通过实验 阅读全文
posted @ 2026-05-12 23:19
魔改工程师
阅读(7)
评论(0)
推荐(0)
摘要：
本文介绍了用于高光谱图像去噪的HCANet模型及其在YOLOv11中的结合应用。HCANet结合了卷积神经网络和Transformer的优势，通过设计卷积和注意力融合模块（CAFM）与多尺度前馈网络（MSFN），实现全局和局部特征的综合建模与多尺度信息聚合。CAFM模块中，局部分支提取局部特征，全局分支捕获长距离依赖关系，二者融合提升去噪性能；MSFN模块利用不同步长的扩张卷积在多尺度提取特征。我 阅读全文
posted @ 2026-05-12 23:17
魔改工程师
阅读(18)
评论(0)
推荐(0)
摘要：
本文介绍了PKINet中的上下文锚点注意力模块（CAA）及其在YOLOv11中的应用。CAA模块旨在解决遥感图像目标检测中远程上下文信息不足的问题，通过局部特征提取、条带卷积和注意力机制，增强中心特征表达能力。该模块具有轻量化、特征增强和多尺度适应等优点。我们将CAA模块引入YOLOv11，在检测头部分的不同尺度特征图上应用该模块。实验表明，改进后的YOLOv11在目标检测任务中表现良好，证明了C 阅读全文
posted @ 2026-05-12 23:15
魔改工程师
阅读(6)
评论(0)
推荐(0)
摘要：
本文介绍了将自注意力和卷积技术相结合的ACmix模型及其在YOLOv11中的结合应用。研究发现自注意力和卷积存在强烈基础关系，大部分计算使用相同操作，且第一阶段计算复杂度占主导。ACmix通过将传统卷积和自注意力模块操作统一，实现了两种技术的优雅整合，还采用深度卷积替代低效张量移位操作，提高了效率。我们将ACmix集成进YOLOv11，大量实验表明，改进后的模型表现优于基线。 > **文章目录： 阅读全文
posted @ 2026-05-12 23:12
魔改工程师
阅读(4)
评论(0)
推荐(0)
浙公网安备 33010602011771号