qq_49110168的博客

在计算机视觉领域，YOLO（You Only Look Once）是一种流行的目标检测算法，以其速度快和准确性高而闻名。YOLOv8、YOLOv11不仅继承了前代算法的优点，还引入了新的技术来进一步提升性能。获取Y的输出结果对于多个应用场景至关重要。获取YOLOv8、YOLOv11的输出结果，意味着我们能够从算法中获得这些关键信息，进而为后续的决策和分析提供数据支持。因此，了解如何从YOLOv8、YOLOv11获取这些输出结果，对于开发人员、研究人员以及任何希望利用这些技术的人来说，都是一个重要的课题。

在nn文件夹下面创建一个新的文件夹，名字叫做Addmodules, 然后再这个文件夹下面创建LEGM.py，然后将LEGM的核心代码放入其中。本专栏会持续更新最新的顶刊论文创新点，助力大家涨点！在task.py文件中导入LEGM。

目前目标检测以及分割的模型发展速度非常快，可能YOLO12都快出来了，我们的论文还在编辑中或者投稿中。这个时候大家可能在想我做这个还有什么意义？反正做出来精度、速度也比不上人家。之前我也经常在想这个问题，现在我可以大声地回答大家，完全有意义！！！理由如下：学术需求：现在每年中文和英文的发文量都是非常大的（巨大），多少本科生、研究生靠这个毕业呢，嘿嘿嘿！背景需求：目前各种检测对象层出不穷，苹果、梨、地面裂缝检测都很常见了。但是大家有没有深入思考背后隐藏的问题呢？是不是检测对像体积小，可以作为小目标检测问题？是

本文介绍了如何在神经网络中添加一个新的模块LRSA（Local Region Self-Attention）。首先，通过核心代码实现了图像分块、反向分块、归一化、注意力机制、深度卷积和卷积前馈网络等功能。接着，详细描述了添加LRSA模块的步骤：在nn文件夹下创建Addmodules文件夹，并在其中添加LRSA.py和__init__.py文件；在task.py中导入LRSA模块；最后，修改YAML配置文件以集成LRSA模块。该模块通过局部区域自注意力机制增强了模型的表达能力，适用于目标检测等任务。