BigGod139的博客

本文提出了一个基于孪生神经网络的航空跟踪器（SmallTrack），该框架通过小波池化层和图增强模块，显著提升了模型在复杂航空场景中精确跟踪小目标的能力，同时保持了72.5帧/秒的高速运行速度。

MambaOut代码MambaOut: Do We Really Need Mamba for Vision?CVPR2025 MobileMamba代码MobileMamba: Lightweight Multi-Receptive Visual Mamba Network[ECCV24] MambaIR: A Simple Baseline for Image Restoration with State-Space Model[CVPR25] MambaIRv2: Attentive State

图 1. 分别为 ResNet-101/152 和 RepLKNet-13/31 的有效感受野（ERF）。分布范围更广的深色区域表明有效感受野更大。增加网络层数（例如从 ResNet-101 到 ResNet-152）对扩大有效感受野的作用甚微。相比之下，我们的大核模型 RepLKNet 能有效获得更大的有效感受野。之前有个经验性的结论，把一个5x5的卷积核换成两个3x3的，参数量减少但效果相同。ViT是的多头注意力机制（MHSA）可以对输入的特征全局建模，相当于感受野是全局，而CNN只能获取到局部信息。

的改进：相比较于YOLOv8模型，其将CF2模块改成C3K2，同时在SPPF模块后面添加了一个C2PSA模块，且将YOLOv10的head思想引入到YOLO11的head中，使用深度可分离的方法，减少冗余计算，提高效率。

在目标检测任务中，P2 层（分辨率为输入图像 1/4 的特征层）主要负责捕获小目标细节特征。如何改进呢，仅需修改原yolo11.yaml配置文件，即可修改网络结构。yolov11原yaml文件：yolo11.yaml。p2改进后的，yolo11-p2.yaml。官方yolov12.yaml文件内容，

图像的频域特征（如低频分量对应平滑区域、高频分量对应边缘 / 纹理）具有更强的语义区分性。例如，低频成分可捕捉整体轮廓，高频成分可捕捉细节变化，这使得频域分析能更高效地分离和处理不同类型的视觉信息。