YOLOv11有效涨点专栏目录 | 内含各种卷积模块，主干网络，注意力机制，自研模块，二次改进模块，检测头等创新点改进

已于 2024-10-05 12:58:54 修改
阅读量173 收藏
点赞数
分类专栏： YOLOv11有效涨点专栏 文章标签： YOLO 人工智能 深度学习 计算机视觉 目标检测 神经网络 机器学习
于 2024-10-03 20:15:03 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/tsg6698/article/details/142695420
版权

试读篇

YOLOv11有效涨点专栏目录 | 内含各种卷积模块，主干网络，注意力机制，自研模块，二次改进模块等创新点改进

YOLOv11改进 | Conv篇 | YOLOv11引入AKConv（轻量）

 YOLOv11改进 | 注意力篇 | YOLOv11引入CBAM注意力机制

手把手教你使用YOLOv11训练自己数据集（含环境搭建 、数据集查找、模型训练）

卷积篇

（1）YOLOv11改进 | Conv篇 | YOLOv11引入AKConv（轻量）

（2）YOLOv11改进 | Conv篇 | YOLOv11引入RFAConv

（3）YOLOv11改进 | Conv篇 |YOLOv11引入Diverse Branch Block (DBB)卷积

（4）YOLOv11改进 | Conv篇 | YOLOv11引入ODConv卷积

（5）YOLOv11改进 | Conv篇 | YOLOv11引入SAConv模块

（6）YOLOv11改进 | Conv篇 | YOLOv11引入24年最新卷积模块LDConv

（7）YOLOv11改进 | Conv篇 | YOLOv11引入PConv【CVPR2023】

  (8) YOLOv11改进 | Conv篇 | YOLOv11引入SKConv

（9）YOLOv11改进 | Conv篇 | YOLOv11引入DSConv

主干篇

（1）YOLOv11改进 | 主干篇 | YOLOv11引入MobileNetV4

（2）YOLOv11改进 | 主干篇 | YOLOv11引入EfficientViT替换Backbone

（3）YOLOv11改进 | 主干篇 | YOLOv11引入华为移动端模型Ghostnetv2替换Backbone

（4）YOLOv11改进 | 主干篇 | YOLOv11引入FasterNeT替换Backbone

（5）YOLOv11改进 | 主干篇 | YOLOv11引入华为VanillaNet替换Backbone

Neck篇

（1）YOLOv11改进 | Neck篇 | YOLOv11引入Gold-YOLO

（2）YOLOv11改进 | Neck篇 | YOLOv11引入Slim-Neck（轻量）

（3）YOLOv11改进 | Neck篇 | YOLOv11引入BiFPN双向特征金字塔网络

（4）YOLOv11改进 | Neck篇 | YOLOv11引入GFPN

注意力篇

（1）YOLOv11改进 | 注意力篇 | YOLOv11引入CA注意力机制

（2）YOLOv11改进 | 注意力篇 | YOLOv11引入GAM注意力机制

（3）YOLOv11改进 | 注意力篇 | YOLOv11引入ECA注意力机制

（4）YOLOv11改进 | 注意力篇 | YOLOv11引入LSK注意力机制

（5）YOLOv11改进 | 注意力篇 | YOLOv11引入无参SimAM注意力机制

（6）YOLOv11改进 | 注意力篇 | YOLOv11引入ACmix注意力机制

（7）YOLOv11改进 | 注意力篇 | YOLOv11引入Polarized Self-Attention注意力机制

（8）YOLOv11改进 | 注意力篇 | YOLOv11引入MSDA多尺度空洞注意力

（9）YOLOv11改进 | 注意力篇 | YOLOv11引入HAttention(HAT）注意力

（10）YOLOv11改进 | 注意力篇 | YOLOv11引入EMAttention(EMA）注意力

（11）YOLOv11改进 | 注意力篇 | YOLOv11引入iRMB注意力机制

（12）YOLOv11改进 | 注意力篇 | YOLOv11引入MSCAAttention(MSCA）注意力机制

（13）YOLOv11改进 | 注意力篇 | YOLOv11引入MLCA注意力

自研模块篇 

（1）YOLOv11改进 | 独家创新- 注意力篇 | YOLOv11结合全新多尺度线性注意力机制MLAttention(全网独家创新)

（2）YOLOv11改进 | 独家创新- 注意力篇 | YOLOv11结合全新注意力机制DEMAttention(多尺度融合)

（3）YOLOv11改进 | 独家创新- 注意力篇 | YOLOv11结合全新多尺度线性注意力机制DSLAM

（4）YOLOv11改进 | 独家创新- 注意力篇 | YOLOv11结合全新多尺度动态增强注意力机制DSAttention(全网独家创新)

二次改进模块篇 

（1）YOLOv11改进 | 独家创新- 注意力篇 | YOLOv11结合24年最新的ELA注意力机制和Softmax Attention形成全新的SELA注意力机制

上采样篇

（1）YOLOv11改进 | 上采样篇 | YOLOv11引入DySample轻量级动态上采样器

（2）YOLOv11改进 | 上采样篇 | YOLOv11引入CARAFE上采样

损失函数篇

（1）YOLOv11改进 | 损失函数篇 | YOLOv11引入引MPDIoU, GIoU,DIoU, CIoU, SIoU,EIoU, WIoU, LMPDIoU等损失函数

检测头篇

（1）YOLOv11改进 | 检测头篇 | YOLOv11引入DynamicHead检测头

小李学AI
关注
专栏目录
订阅专栏
YOLOv10有效涨点专栏目录 | 目前已有100+篇内容，内含各种卷积模块，主干网络，注意力机制，损失函数等创新点改进
tsg6698的博客
08-03 1834
YOLOv10专栏持续复现网络上各种顶会内容，同时专栏内容可以用于YOLOv8改进~,欢迎大家订阅！！！
《YOLOv8改进有效涨点》专栏介绍 & 专栏目录 | 目前已有110+篇内容，内含各种Head检测头、损失函数Loss、Backbone、Neck、NMS等创新点改进
kay_545
07-15 2091
yolov8改进目录，yolov8创新机制
YOLOv8改进 | 卷积模块 | SAConv可切换空洞卷积
kay_545
07-03 1182
yolov8，yolov8改进，SAConv
全新芒果YOLOv8改进专栏 | 专栏目录：目前已有170+篇内容，内含各种Head检测头、标签分配策略、损失函数Loss、Backbone、Neck、写作|指标、NMS等全方位创新点改进
包括YOLOv5、YOLOv7、YOLOv8等模型改进
03-14 6628
芒果YOLOv8改进专栏 | 内含各种Head检测头、标签分配策略、损失函数Loss、Backbone、Neck、写作|指标、NMS等全方位创新点改进
YOLOv5改进 | 主干网络 | 替换EfficientViT为backbone【轻量化网络】
kay_545
08-13 972
yolov5，yolov5改进，EfficientViT
YOLOv8改进 | 主干网络 | 替换EfficientViT为backbone【轻量化网络】
kay_545
08-12 1681
yolov8，yolov8改进，EfficientViT
YOLOv10详细解读 | 一文带你深入了解yolov10的创新点（附网络结构图 + 举例说明）
热门推荐
Snu77的博客
05-26 2万+
Hello，我是Snu77，YOLOv9发布时间没有多久，YOLOv10就紧接着发布于2024.5.23号（不得不感叹YOLO系列的发展速度）！ 本文给大家带来的是YOLOv10的论文详细解读->论文名称为:YOLOv10: Real-Time End-to-End Object Detection（大家看着眼熟么，是不是和RT-DETR的《DETRs Beat YOLOs on Real-time Object Detection》比较像，从这个论文题目可以看到目前的创新方向都是往端到端和实时的方向去搞
CSDN芒果独家原创YOLOv5改进、YOLOv7改进（适用YOLOv8改进）专栏 | 《芒果YOLO改进系列进阶指南》来自人工智能专家老师联袂推荐专栏
包括YOLOv5、YOLOv7、YOLOv8等模型改进
09-29 9925
芒果改进YOLO进阶指南，更快的改进YOLO模型
YOLOv8改进 | SPPF | 具有多尺度带孔卷积层的ASPP【CVPR2018】
kay_545
06-24 1357
yolov8改进， yolov8. ASPP
【YOLO目标检测二维码数据集】共3112张、已标注txt格式、有训练好的yolov5的模型
LINBONB的博客
09-29 357
标注数量(txt文件个数)：3112。训练好的yolov5检测模型。标注类别名称：qrcode。数据集格式：YOLO格式。
YOLOv7改进之MAE主干： 超强ConvNeXtV2 升级版结构，当MAE+YOLO卷积高效涨点
qq_53545309的博客
09-27 145
在改进的架构和更好的表示学习框架的推动下，视觉识别领域在 2020 年代初期实现了快速的现代化和性能提升。例如，以 ConvNeXt [52] 为代表的现代 ConvNet 在各种场景中都表现出了强大的性能。虽然这些模型最初是为使用 ImageNet 标签的监督学习而设计的，但它们也有可能受益于自我监督学习技术，例如掩码自动编码器 （MAE） [31]。然而，我们发现，简单地将这两个 ap proaches 结合起来会导致性能不佳。
遥感影像-实例分割数据集：iSAID 从切图到YOLO格式数据集制作详细介绍
GIS潮流
09-30 1100
开源数据集isaid标注包含实例分割，但是原始影像太大，很吃显存，一般显卡无法用原始影像直接训练，所以需要对影像进行裁剪，并生成对应的标签，因为想用yolo系列跑模型，所以将标签需要转为txt格式。
夜间道路目标检测数据集 5000张 夜间道路 带标voc yolo
阿利同学的博客
10-03 204
夜间道路目标检测数据集 5000张 夜间道路 带标voc yolo
Yolov8轻量级网络改进GhostNet
最新发布
qq_53545309的博客
10-04 107
由于内存和计算资源有限，在移动设备上部署卷积神经网络 （CNN） 很困难。我们的目标是通过利用特征图中的冗余，为 CPU 和 GPU 等异构设备设计高效的神经网络，这在神经架构设计中很少被研究。对于类 CPU 设备，我们提出了一种新颖的 CPU 高效 Ghost （C-Ghost） 模块，以从廉价操作中生成更多特征图。基于一组内在特征图，我们以较低的成本应用了一系列线性变换来生成许多幽灵特征图，这些图可以完全反映内在特征背后的信息。所提出的 C-Ghost 模块可以作为升级现有卷积神经网络的即插即用组件。
【YOLO目标检测吸烟检测数据集】共6097张、已标注txt格式、有训练好的yolov5的模型
LINBONB的博客
10-03 401
标注数量(txt文件个数)：6097。训练好的yolov5检测模型。数据集格式：YOLO格式。标注类别名称：smoke。
yolov8实例分割重要图片
海涛高软
09-30 305
FR：徐海涛(hunkxu)
苹果荔枝柠檬梨柿子数据集 水果数据集 树上1500张 带标注 voc yolo 5类
阿利同学的博客
10-02 917
苹果荔枝柠檬梨柿子数据集 水果数据集 树上1500张 带标注 voc yolo 5类
改进有效系列目录 | 包含卷积、主干、检测头、注意力机制、neck上百种创新机制
01-19
为了改进有效系列目录，我们可以在卷积、主干、检测头、注意力机制和neck上实施一系列创新机制。首先，在卷积方面，可以尝试使用不同的卷积核大小和数量，或者引入新的卷积方式，比如深度可分离卷积等，以提高特征提取的效率和准确性。在主干部分，可以探索更加深层次的网络结构或者引入新的模块，如ResNet、EfficientNet等，以提升整体模型的表现。在检测头方面，可以尝试引入多任务学习或者级联检测等技术，以提高目标检测的准确率和鲁棒性。同时，注意力机制在计算机视觉领域也有着广泛的应用，可以尝试引入自注意力机制或者空间注意力机制，以提升模型对于重要特征的关注程度。最后，在neck部分，可以尝试引入新的连接方式或者注意力机制，以提高特征融合的效果。通过在这些关键部分引入上百种创新机制，可以进一步提升有效系列目录的性能和泛化能力，使其在各种计算机视觉任务中发挥更加重要的作用。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值