
YOLO11魔术师

文章平均质量分 95
1)自研原创独家创新,适合paper,全网首发;
2)2024年计算机视觉顶会创新点引入11二次创新;
3)多个数据集亲测验证可行性;
优惠券已抵扣
余额抵扣
还需支付
¥199.90
¥299.90
购买须知?
本专栏为图文内容,最终完结不会低于15篇文章。
订阅专栏,享有专栏所有文章阅读权限。
本专栏为虚拟商品,基于网络商品和虚拟商品的性质和特征,专栏一经购买无正当理由不予退款,不支持升级,敬请谅解。
AI小怪兽
YOLO骨灰级玩家,1)YOLOv5、v7、v8、v9、v10、11优化创新,轻松涨点和模型轻量化;2)目标检测、语义分割、OCR、分类等技术孵化,赋能智能制造,工业项目落地经验丰富;订阅者私信添加本人微信!!!
展开
-
YOLO11涨点优化:注意力魔改 | 新颖的多尺度卷积注意力(MSCA),即插即用,助力小目标检测
多尺度卷积注意力(MSCA),有效地提取上下文信息,新颖度高,创新十足。原创 2024-10-09 10:43:01 · 3283 阅读 · 2 评论 -
YOLO11涨点优化:原创自研 | 自研独家创新DSAM注意力 ,基于BiLevelRoutingAttention注意力升级
提出新颖的注意力DSAM(Deformable Bi-level SpatialAttention Module),创新度极佳,适合科研创新,效果秒杀CBAM,Channel Attention+Spartial Attention升级为新颖的Deformable Bi-level Attention+Spartial Attention原创 2024-10-18 08:42:04 · 994 阅读 · 0 评论 -
YOLO11涨点优化:SPPF原创自研创新 | SPPF创新结构,重新设计全局平均池化层和全局最大池化层,增强全局视角信息和不同尺度大小的特征
SPPF_improve利用全局平均池化层和全局最大池化层,加入一些全局背景信息和边缘信息,从而获取全局视角信息并减轻不同尺度大小所带来的影响原创 2024-10-15 09:41:44 · 917 阅读 · 0 评论 -
YOLO11涨点优化:自研检测头 | 独家创新(SC_C_11Detect)检测头结构创新,实现涨点
对现有11Detect进行二次创新,提升检测精度,独家创新(SC_C_11Detect)检测头结构创新,适合科研创新度十足,强烈推荐原创 2024-10-14 10:28:56 · 823 阅读 · 0 评论 -
《YOLO11魔术师专栏》专栏介绍 & 专栏目录
【原创自研模块】【多组合点优化】【注意力机制】【主干篇】【neck优化】【卷积魔改】【block&多尺度融合结合】【损失&IOU优化】【上下采样优化】【小目标性能提升】【前沿论文分享】【训练实战篇】原创 2024-10-12 13:19:28 · 6917 阅读 · 0 评论 -
YOLO11首发优化:增量调优方法 | 一种名为多认知视觉适配器(Mona)调优的新型基于适配器的优调方法,CVPR2025
如何与YOLO11结合:1)C2PSA与Mona结合;2)C3k2与Mona结合;原创 2025-05-07 16:29:43 · 164 阅读 · 0 评论 -
YOLO11首发优化:遥感目标检测 | 专为低质量遥感图像设计的边缘 - 高斯聚合(EGA)模块,解决低空间分辨率、传感器噪声、目标模糊、低光照退化和部分遮挡等限制
一种轻量级网络,其创新性地整合了专为低质量遥感图像设计的边缘 - 高斯聚合(EGA)模块原创 2025-05-06 13:36:26 · 166 阅读 · 0 评论 -
YOLO11首发优化:多尺度提取能力 | 一种多维联合注意力模块,扩张卷积创新提取不同尺度的特征信息,增强感受野和多尺度处理能力 | 2025年4月最新发表
引入了一种多维联合注意力模块,该模块利用扩张卷积来捕捉不同尺度的特征信息,从而增强了模型的感受野和多尺度处理能力。原创 2025-04-24 08:45:30 · 479 阅读 · 0 评论 -
YOLO11优化:原创自研 | 带有注意力机制的隐藏状态混合器的状态空间(HSM-SSD),实现暴力涨点 | CVPR2025 EfficientViM
如何创新:可以将 带有注意力机制的隐藏状态混合器的状态空间(HSM-SSD)中的注意力机制换成专栏其他注意力机制 ,那么你就能实现独一无二的原创。原创 2025-04-11 09:37:34 · 147 阅读 · 0 评论 -
YOLO11优化:block优化 | 隐藏状态混合器的状态空间(HSM-SSD) | CVPR2025 EfficientViM
CVPR 2025 提出了基于一种快速有效的 SSD 层,称为隐藏状态混合器的状态空间对偶性(HSM-SSD),能够以更低的计算成本高效地捕捉全局依赖关系原创 2025-04-08 10:29:55 · 338 阅读 · 0 评论 -
YOLO11涨点优化:原创自研 | 魔改Bottleneck,具备多尺度和特征通道融合的结构
可以将C3k2_MSAMCS放在neck,或者backbone和neck同时修改,具体看自己数据集的涨点情况决定原创 2025-03-11 13:57:32 · 892 阅读 · 0 评论 -
YOLO11原创自研:卷积魔改 | 一种新颖的风车形卷积(PConv)融合注意力机制,加强微弱小目标检测能力
风车形卷积(PConv)融合注意力机制进一步提升小目标检测能力原创 2025-02-24 14:23:11 · 430 阅读 · 0 评论 -
YOLO11优化:neck优化 | Hyper-YOLO创新点(HyperC2Net+MANet)助力YOLO11,实现二次创新
本文工作: 将Hyper-YOLO的贡献点引入到YOLO11原创 2025-02-17 16:50:06 · 382 阅读 · 0 评论 -
YOLO11优化:大型条带卷积技术,更有效地提取空间信息 | Strip R-CNN,遥感目标检测 新SOTA,25年最新发表
大型条带卷积是遥感目标检测中极为有效的特征学习工具,能够精准捕捉并检测出不同长宽比的目标。原创 2025-02-06 14:58:38 · 780 阅读 · 0 评论 -
YOLO11涨点优化:自研检测头 | 原创自研 | 独家创新(一种新颖的风车形卷积PConv)检测头结构创新,实现涨点 | AAAI 2025
对现有11Detect进行二次创新,提升检测精度,独家创新(PConv_11Detect)检测头结构创新,适合科研创新度十足,强烈推荐原创 2025-02-05 13:28:00 · 642 阅读 · 0 评论 -
YOLO11全网首发优化:损失篇 | AAAI 2025 | 一种基于尺度的动态(SD)损失,根据目标大小动态调整尺度和位置损失的影响,提高了网络检测不同尺度目标的能力
根据目标尺度动态调整Sloss和Lloss的影响系数,以减少标签不准确对损失函数稳定性的影响。较小的目标在BBox标签的Sloss中获得较低的关注权重。掩码标签可以提高检测精度,特别是对于较小或形状不规则的目标原创 2025-01-20 13:06:17 · 655 阅读 · 0 评论 -
YOLO11全网首发优化:卷积魔改创新 | AAAI 2025 | 一种新颖的风车形卷积(PConv)符合微弱小目标的像素高斯空间分布,增强特征提取,显著增加接受野
我们提出了一种新颖的风车形卷积(PConv)作为骨干网络下层标准卷积的替代品。PConv能更好地符合微弱小目标的像素高斯空间分布,增强特征提取,显著增加接受野,且只引入最小的参数增加。原创 2025-01-17 16:49:19 · 1022 阅读 · 0 评论 -
YOLO11优化:图像去噪 | AAAI2025 Transformer |一种基于Transformer的盲点网络(TBSN)架构 ,结合空间和通道自注意力层来增强网络能力
提出了一种基于Transformer的盲点网络(TBSN)架构,通过分析和重新设计Transformer运算符以满足盲点要求。TBSN遵循扩张BSN的架构原则,并结合空间和通道自注意力层来增强网络能力。原创 2025-01-13 13:40:03 · 517 阅读 · 0 评论 -
YOLO11原创自研:特征融合创新 | 一种具有切片操作的SimAM注意力的内容引导注意力(CGA)的混合融合方案
多个点组合优化 | 一种具有切片操作的SimAM注意力的内容引导注意力(CGA)的混合融合方案原创 2025-01-07 13:49:55 · 366 阅读 · 0 评论 -
YOLO11多个点组合创新:GC10-DET缺陷检测 | DCNv4结合SPPF+DCNv4结合11Detect+双注意力块(DAB)创新性结合
DCNv4结合SPPF+DCNv4结合11Detect+双注意力块(DAB)创新性结合,原始mAP50为0.633 提升至0.660原创 2025-01-03 09:03:18 · 375 阅读 · 0 评论 -
YOLO11多个点组合创新:GC10-DET缺陷检测 | DCNv4结合SPPF+11Detect创新性结合
DCNv4结合SPPF+11Detect创新性结合,原始mAP50为0.633 提升至0.651原创 2024-12-25 14:38:15 · 941 阅读 · 0 评论 -
YOLO11涨点优化:遥感去雾 | 新颖的双注意力块(DAB) | 24.12月最新成果
DAB由两个模块串联而成:通道-空间注意力模块(CSAM)和并行注意力模块(PAM)原创 2024-12-16 14:38:25 · 431 阅读 · 0 评论 -
YOLO11涨点优化:单图像超分辨率 | 空间频率注意力和通道转置注意力,恢复高频细节 | IJCAI-24
提取空间频率注意力和通道转置注意力,以恢复高频细节原创 2024-12-09 13:46:09 · 456 阅读 · 0 评论 -
YOLO11涨点优化:轻量化注意力 | 单头注意力模块,并行结合全局和局部信息提高准确度| SHViT CVPR2024
YOLO11-C3k2_SHSA相比原始yolo11n6.4 GFLOP降低至6.3 GFLOPs原创 2024-12-06 08:42:25 · 614 阅读 · 0 评论 -
YOLO11魔改创新:检测头创新 | DCNv4二次创新11Detetct,效果秒杀DCNv3、DCNv2等 ,助力检测
如何跟YOLO11结合:1)和11Detect创新性结合原创 2024-11-25 14:45:02 · 788 阅读 · 1 评论 -
YOLO11魔改创新:检测头创新 | SEAM二次创新11Detetct,提升小目标遮挡物性能提升
SEAM二次创新11Detetct,提升小目标遮挡物性能提升原创 2024-11-25 14:17:53 · 395 阅读 · 0 评论 -
YOLO11涨点优化:SPPF原创自研 | SPPF_attention,重新设计加入注意力机制,能够在不同尺度上更好的、更多的关注注意力特征信息
在此基础上加入注意力机制,能够在不同尺度上更好的、更多的获取特征信息,从而获取全局视角信息并减轻不同尺度大小所带来的影响原创 2024-10-16 08:44:34 · 570 阅读 · 0 评论 -
YOLO11涨点优化:自研检测头 | 独家创新(Partial_C_v10Detect)检测头结构创新,实现涨点
对现有11Detect进行二次创新,提升检测精度,独家创新(Partial_C_11Detect)检测头结构创新,适合科研创新度十足,强烈推荐原创 2024-10-23 10:27:25 · 546 阅读 · 0 评论 -
YOLO11涨点优化:原创自研 | 自研独家创新BSAM注意力 ,基于CBAM升级
本文改进:1)作为注意力机制分别加入到YOLO11的backbone、neck、detect,助力涨点;2)结合C2PSA进行二次创新;原创 2024-10-17 09:24:57 · 679 阅读 · 0 评论 -
YOLO11涨点优化:原创自研 | 自研独家创新MSAM注意力,通道注意力升级,魔改CBAM
1)作为注意力机制分别加入到YOLO11的backbone、neck、detect,助力涨点;2)结合C2PSA进行二次创新;原创 2024-10-16 08:43:47 · 585 阅读 · 0 评论 -
YOLO11涨点优化:SPPF优化 | 新一代高效可形变卷积DCNv4如何做二次创新?高效结合SPPF
如何跟YOLO11结合:1) SPPF高效结合原创 2024-10-12 10:27:18 · 843 阅读 · 0 评论 -
YOLO11写作必备:如何测试FPS指标
如何测试改进后模型的FPS指标原创 2024-12-09 16:54:11 · 626 阅读 · 0 评论 -
YOLO11涨点优化:多尺度 | 大内核和倒瓶颈设计CMUNeXt,高效提取全局上下文信息助力医学图像检测
CMUNeXt利用大内核和倒瓶颈设计,将远距离空间和位置信息彻底混合,高效提取全局上下文信息原创 2024-11-08 08:38:55 · 577 阅读 · 0 评论 -
YOLO11涨点优化:注意力魔改 | 多尺度空洞注意力(MSDA),有效捕捉多尺度信息 | 中科院一区顶刊
多尺度空洞注意力(MSDA)采用多头的设计,在不同的头部使用不同的空洞率执行滑动窗口膨胀注意力(SWDA),创新力度十足原创 2024-11-07 09:48:47 · 394 阅读 · 0 评论 -
YOLO11改进:backbone改进 | 最新大卷积核CNN架构UniRepLKNet,ImageNet 88% | CVPR2024
大核卷积一统多种模态!RepLK正统续作UniRepLKNet,代替YOLO11 Backbone原创 2024-11-08 13:42:13 · 198 阅读 · 0 评论 -
YOLO11优化:block优化 | 简单高效的模块-现代反向残差移动模块 (iRMB) | ICCV2023 EMO
提出了一种简单高效的模块——反向残差移动块(iRMB),通过堆叠不同层级的 iRMB原创 2024-11-08 13:15:48 · 145 阅读 · 0 评论 -
YOLO11旋转目标识别(OBB)手把手教程: 数据集标注 | 数据格式转换 | 如何训练、测试
YOLO11 OBB实现自有数据集缺陷旋转目标检测,从1)数据标记;2)数据json格式转换成适合yolo的txt格式;3)如何训练模型;原创 2024-11-06 08:56:01 · 2269 阅读 · 0 评论 -
YOLO11热力图可视化:引入多种可视化CAM方法,为科研保驾护航
调用pytorch下的CAM可视化库,支持十多种可视化方法,打开“黑盒”,让YOLO11变得相对可解释性原创 2024-10-31 08:33:36 · 704 阅读 · 0 评论 -
YOLO11数据增强 :自动生成图片以及xml文件,开箱即用
针对小样本数据集如何有效的数据增强,以及如何自动生成对应的xml文件,本文提供了多种数据增强方式,如1)Gamma变化;2)滤波类数据增强: GaussianBlur、medianBlur、blur;3)缩放类数据增强;4)翻转类数据增强;原创 2024-10-31 08:33:19 · 481 阅读 · 0 评论 -
YOLO11涨点优化:多尺度 | 全局到局部可控感受野模块GL-CRM ,量身为为多尺度变化而设计| 2024年10月最新成果
替换YOLO11 C3k2,实现二次创新,具备多尺度能力原创 2024-10-28 08:51:24 · 521 阅读 · 0 评论