YOLOv11 改进 - 主干网络| ConvNeXtV2全卷积掩码自编码器网络：轻量级纯卷积架构破解特征坍塌难题，提升特征多样性

魔改工程师

已于 2025-12-09 20:33:21 修改

阅读量899

点赞数 26

CC 4.0 BY-SA版权

分类专栏：最新YOLOv11改进专栏文章标签： YOLO 网络 transformer 深度学习计算机视觉目标检测

于 2025-11-30 20:47:23 首次发布

本文链接：https://blog.csdn.net/yolochangeworld/article/details/155426924

最新YOLOv11改进专栏专栏收录该内容

该专栏为热销专栏榜第29名

167 篇文章 ¥99.90 ¥299.90

订阅专栏

部署运行你感兴趣的模型镜像

前言

本文介绍了将ConvNeXt V2与YOLOv11相结合的方法。先前的ConvNeXt模型与自监督学习结合效果不佳，为此提出全卷积掩码自动编码器框架和全局响应归一化（GRN）层，形成ConvNeXt V2模型家族，显著提升了纯卷积神经网络在各类识别基准上的性能。我们将ConvNeXt V2引入YOLOv11，对相关代码进行了修改和注册，并配置了yolov11 - ConvNeXtV2.yaml文件。实验结果表明，该结合方式在目标检测任务中展现出一定效果。

文章目录： YOLOv11改进大全：卷积层、轻量化、注意力机制、损失函数、Backbone、SPPF、Neck、检测头全方位优化汇总

专栏链接: YOLOv11改进专栏

介绍

摘要

受益于架构优化与表示学习框架的持续改进，视觉识别领域在2020年代初期实现了显著的现代化进程与性能跃升。以ConvNeXt为代表的现代卷积神经网络在各种应用场景中展现出卓越的性能表现。尽管此类模型最初专为基于ImageNet标签的监督学习范式设计，理论上具备从掩码自编码器等自监督学习技术中获益的潜力，但实证研究表明简单组合这两种方法的效果并不理想。为此，本文提出了一种完全卷积的掩码自编码器框架，并创新性地引入全局响应归一化层，该层可集成至ConvNeXt架构中以强化通道间特征竞争机制。这种自监督学习技术与架构改进的协同设计策略催生了新型模型家族ConvNeXt V2，该模型在多个识别基准测试中显著提升了纯卷积神经网络的性能上限，涵盖ImageNet图像分类、COCO目标检测以及ADE20K语义分割任务。研究团队同时提供了多尺度预训练ConvNeXt V2模型，包括参数量仅为3.7M、在ImageNet上达到76.7%顶级准确率的高效Atto模型，以及使用公开训练数据达到88.9%顶级准确率、参数量高达650M的Huge模型，为不同计算资源约束下的应用需求提供了完整解决方案。