YOLO11改进|全网首发|YOLO11中添加自适应轻量级通道分割和洗牌模块ALSS

最新推荐文章于 2025-04-10 09:49:52 发布
最新推荐文章于 2025-04-10 09:49:52 发布
阅读量640 收藏
点赞数 27
分类专栏： YOLO11改进专栏 文章标签： YOLO
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.youkuaiyun.com/A1983Z/article/details/146467410
版权
了解本专栏 订阅专栏 解锁全文 超级会员免费看
YOLO11改进 - 激活函数 - 十余种常见的激活函数一键替换​
10-31
YOLO11改进项目针对的是深度学习中目标检测算法YOLO的第11版本的激活函数改进工作。激活函数在深度神经网络中扮演着至关重要的角色，它能够决定网络模型能否捕捉到数据的非线性特征，从而提高模型的泛化能力和学习...
【YOLO算法改进】ALSS-YOLO：无人机热红外图像｜野生动物小目标检测
CooVally_AI的博客
12-31 1378
目录论文信息论文创新点1.自适应轻量通道分割和洗牌（ALSS）模块2.轻量坐标注意力（LCA）模块3.单通道聚焦模块4.FineSIOU损失函数摘要架构设计轻量高效网络架构 - ALSS模块 LCA模块单通道聚焦模块损失函数优化 - FineSIOU实验与分析消融实验对比实验 Coovally AI模型训练与应用平台 作者提出了一个新颖的ALSS模块，该模块采用自适应通道分割策略来优化特征提取，并集成了通道洗牌机制以增强通道间信息交换。这一改进提高了对模糊目标的检测准确性，尤其是在处理由抖动引起的模糊和重叠
yolo11.rar yolo11 pt 模型文件
10-06
文件"yolo11.rar"中包含的五种模型文件，覆盖了从轻量级到高性能的多种模型选择。用户可以根据自己的应用场景需求选择最适合的模型，实现快速准确的目标检测。随着人工智能技术的不断进步，YOLO模型也在不断更新和...
基于python深度学习对墙体裂缝图像分割检测-含摄像头识别-yolo11代码含数据集和训练代码和pyqt界面.zip
01-28
在本篇内容中，我们将...它不仅涉及到深度学习、图像分割和目标检测等高级技术，还考虑到了用户交互的便捷性。这些技术的结合使得检测工作更加高效和精确，对于建筑安全检测、维修规划等领域具有重要的实际应用价值。
yolo11s.onnx
10-06
yolo11 onnx 模型文件
yolo11m.onnx
10-06
yolo11 onnx 模型文件
Ubuntu22.04——YOLOv8模型训练到RK3588设备部署和推理
boss-dog
04-07 186
PS：由于部署系统为瑞芯微开发板，因此需要下载瑞芯微修改后的yolov8源码（只修改了export.py导出部分，训练用yolov8的源码也没问题），且版本与训练PT模型时的ultralytics版本最好一致或高于训练版本（我训练时用的是v8.2.0版本，瑞芯微官网我看是v8.2.71，后续可以直接用瑞芯微官网提供的yolov8源码进行训练）。打开yolo的源码仓库，进去之后会发现不管是什么版本，所有的Tags都是8.x.x，无法分清是yolov8还是yolo11。尝试删除构建目录中的CMake缓存文件。
YOLOv11实战电力设备缺陷检测
weixin_40280870的博客
04-06 622
本文采用YOLOv11作为核心算法框架，结合PyQt5构建用户界面，使用Python3进行开发。YOLOv11以其高效的实时检测能力，在多个目标检测任务中展现出卓越性能。本研究针对电力设备缺陷数据集进行训练和优化，该数据集包含丰富的电力设备缺陷图像样本，为模型的准确性和泛化能力提供了有力保障。通过深度学习技术，模型能够自动提取电力设备缺陷的特征并进行分类识别。PyQt5界面设计简洁直观，便于用户操作和实时查看检测结果。本研究不仅提高了电力设备缺陷识别的自动化水平，还为电力设备缺陷系统的构建提供了有力支持
物体检测算法：R-CNN，SSD，YOLO
weixin_73557167的博客
04-08 896
概要介绍物体检测算法
YOLO V8中的​“中心点邻近区域 + 动态IoU匹配“
thequitesunshine007的博客
04-06 615
它是联合优化正样本分配的策略，旨在更精准地匹配预测框与真实目标的位置关系。
YOLOv12 训练实战，train.py 常用参数介绍
darcsdn
04-06 249
前几期的视频介绍了数据标注、数据集准备以及yolov12的环境准备，今天开始训练。指定使用哪个gpu，也可以同时用多个，比如'0,1,2'，就是用三块gpu。指定data.yaml文件路径，前面视频创建的yaml文件。YOLOv12 训练实战，train.py 常用参数介绍。出现训练中断，如果想要继续，将resume改成True。首先创建训练脚本，完整代码如下。如果内存炸了，就把这个降低。
SU-YOLO：基于脉冲神经网络的高效水下目标检测模型解析
hasakie的博客
04-08 144
水下目标检测是海洋研究、设施安全检测等领域的核心技术，但面临复杂光学环境和设备资源限制的挑战。本文提出的SU-YOLO​（Spiking Underwater YOLO）通过结合脉冲神经网络（SNN）的轻量化和低功耗特性，针对水下场景进行了多维度优化。论文核心贡献包括：​脉冲水下图像去噪模块分离批归一化（SeBN）方法优化的残差块设计，在URPC2019数据集上实现78.8% mAP，能耗仅2.98 mJ，显著优于主流SNN和部分ANN模型。SU-YOLO通过脉冲去噪时间感知归一化和结构优化。
关于YOLO模型，实现视频识别！
weixin_68397463的博客
04-09 784
介绍YOLO11 基于和领域的尖端技术，在速度和方面具有无与伦比的性能。其流线型设计使其适用于各种应用，并可轻松适应从边缘设备到云 API 等不同硬件平台。探索Ultralytics 文档，这是一个旨在帮助您了解和利用其特性和功能的综合资源。无论您是经验丰富的实践者，还是刚进入该领域的新手，该中心都旨在最大限度地发挥YOLO 在您的项目中的潜力。
YOLOv1学习笔记
Iawfy22的博客
04-07 741
YOLOv1学习笔记
YOLO11改进-模块-引入可变形交互注意力模块DIA-Module
qq_64693987的博客
04-07 927
DIA - Module 基于不同的池化策略生成具有属性差异的特征，通过特定的梯度调整方法利用跨属性的调制系数来重构特征块的形态，减少冗余样本点信息。同时，不同属性特征之间的相互作用促使神经元和可学习参数在训练过程中更多地参与，增强掩码空间特征的表示能力。在 MS 和 PAN 图像融合中，利用 MS 图像在全局和光滑特征方面的优势以及 PAN 图像在纹理细节方面的优势，通过设置不同的梯度缩放因子调整调制系数，实现对不同模态特征的有效融合和增强。从提供的图片来看，DIA。
YOLOV12解读及实验
源式羽语
04-09 144
3.优化注意力架构：（1）使用FlashAttention（2）取消了位置编码（3）调整MLP比率（4）减少堆叠块深度（5）新增7×7可分离卷积（"位置感知器"）隐式编码位置信息（6）在适当时机采用卷积运算。1.区域注意力机制：直接将特征图水平和垂直划分固定数量的等大块，可以保留大的感受野，降低计算成本；4.依然支持多种任务：目标检测、实例分割、图像分类、姿态估计、旋转目标检测。2.残差高效层聚合网络：这是一个基于ELAN改进的特征聚合模块，当前看到只公布了目标检测的预训练模型，其他任务的预训练还没公布。
【非机动车检测】用YOLOv8实现非机动车及驾驶人佩戴安全帽检测
最新发布
向上生长的程序媛的博客
04-10 920
0：安全帽1: 驾驶人未戴安全帽2：驾驶人戴安全帽3：非机动车部分影像展示如下：label为txt格式的yolo目标检测格式，示例txt文件内容为：训练验证比例可以自行调整，这里不赘述。
【超详细】yolov8-tensorrt实例分割部署，使用TensorRT-Alpha-main版本
qq_62844901的博客
04-08 671
yolov8-tensorrt实例分割部署，使用TensorRT-Alpha-main版本，参照B站“塔哥AI”的视频~
DocLayout-YOLO：通过多样化合成数据与全局-局部感知实现文档布局分析突破
hasakie的博客
04-09 63
DocLayout-YOLO通过合成数据生成与自适应感知模块的双重创新，在文档布局分析领域实现了速度与精度的最佳平衡。多语言文档支持3D文档布局分析动态文档流解析。
yolo11自适应
03-17
但基于YOLO系列最新版本（如YOLOv10及改进模块）和现有技术积累，以下介绍YOLO模型中常见的自适应特性及实现方式： --- ### 一、自适应锚框计算（核心特性） 1. **实现原理** - 通过**k-means聚类算法**对训练...
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