摘要：
本文介绍了基于群归一化（GroupNorm）和共享卷积的轻量化检测头LSCD，并将其集成进YOLOv11。LSCD检测头充分利用了GroupNorm和共享卷积的优势，在保持特征信息有效融合的同时，减少计算量和运算复杂度。我们将LSCD的代码集成到YOLOv11检测头中，并在tasks文件中进行注册。实验证明，YOLOv11-LSCD在目标检测任务中取得了良好的效果。 > **文章目录： [YOLO 阅读全文
posted @ 2026-05-12 23:10
魔改工程师
阅读(56)
评论(0)
推荐(0)
摘要：
本文介绍了 DeepDBB 技术在 YOLOv11 中的结合应用。DeepDBB 是改进的网络模块，继承 WDBB 思想，通过多分支和多样化卷积设计提升特征提取能力。其核心是多样化的多分支卷积结构，包括常规 KxK 卷积、1x1 卷积、深度可分离卷积和非对称卷积，能处理不同特征模式。还进行多尺度特征融合，增强模型对不同尺寸目标的处理能力。训练时用多分支结构，推理时合并卷积核，减少计算负担。我们将 阅读全文
posted @ 2026-05-12 23:09
魔改工程师
阅读(20)
评论(0)
推荐(0)
摘要：
本文介绍了Detect-Dyhead检测头，并将其集成进YOLOv11。Detect-Dyhead通过将注意力功能分解为尺度意识、空间意识和任务意识三种机制，在不大幅增加计算开销的情况下，提高了模型的表现能力。我们将Detect-Dyhead的代码集成到YOLOv11中，并在tasks文件中进行注册。实验证明，YOLOv11-Detect-Dyhead在目标检测任务中取得了良好的效果。 > **文 阅读全文
posted @ 2026-05-12 23:07
魔改工程师
阅读(126)
评论(0)
推荐(0)
摘要：
本文介绍了MogaNet中的多阶门控聚合（MultiOrderGatedAggregation）模块在YOLOv11中的结合应用。MultiOrderGatedAggregation模块通过多阶深度卷积、门控操作和特征分解，能在不同交互尺度学习信息、动态选择特征、减少信息冗余。我们将该模块集成到YOLOv11的检测头部分，并在相关配置文件中进行设置。MogaNet在多个视觉基准测试中表现优异，将其 阅读全文
posted @ 2026-05-12 23:05
魔改工程师
阅读(29)
评论(0)
推荐(0)
摘要：
本文介绍了Shape-IoU方法，用于改进YOLOv11的边框回归损失。现有边框回归方法常忽略边框自身形状与尺度对回归的影响，为此，作者先对边框回归特性分析，发现非正方形GT框中，边框形状与尺度差异会使IoU值显著不同，小尺度边框对GT框形状更敏感。基于此提出Shape-IoU损失函数，还针对小目标检测提出相关损失函数。我们将Shape-IoU代码加入`ultralytics\utils\metr 阅读全文
posted @ 2026-05-12 23:04
魔改工程师
阅读(45)
评论(0)
推荐(0)
浙公网安备 33010602011771号