YOLO11改进 | 注意力机制| 利用并行子网络构建深度较浅但性能卓越的网络【全网独家】

秋招面试专栏推荐 ：深度学习算法工程师面试问题总结【百面算法工程师】——点击即可跳转

---

💡💡💡本专栏所有程序均经过测试，可成功执行💡💡💡

---

深度是深度神经网络的特征。但更多的深度意味着更多的顺序计算和更高的延迟。这就引出了一个问题——能否构建高性能的“非深度”神经网络？我们展示了这是可能的。为此，我们使用并行子网络，而不是一层接一层地堆叠。这有助于有效减少深度，同时保持高性能。通过利用并行子结构，我们首次展示了一个深度仅为12的网络。文章在介绍主要的原理后，将手把手教学如何进行模块的代码添加和修改，并将修改后的完整代码放在文章的最后，方便大家一键运行，小白也可轻松上手实践。以帮助您更好地学习深度学习目标检测YOLO系列的挑战。

专栏地址：YOLO11入门 + 改进涨点——点击即可跳转 欢迎订阅

目录

1. 论文

2. 将ParNetAttention添加到YOLO11中

2.1 ParNetAttention代码实现

2.2 更改init.py文件

2.3 添加yaml文件

2.4 在task.py中进行注册

2.5 执行程序

3.修改后的网络结构图

4.