YOLOv11改进 | 主干/Backboen篇 | 目标检测网络最新成果TransNeXt特征提取网络（yolov11全系列可用轻量化）

一、本文介绍

本文给大家带来的改进机制是TransNeXt特征提取网络,将其应用在我们的特征提取网络来提取特征，同时本文给大家解决其自带的一个报错，通过结合聚合的像素聚焦注意力和卷积GLU，模拟生物视觉系统，特别是对于中心凹的视觉感知。这种方法使得每个像素都能实现全局感知，并强化了模型的信息混合和自然视觉感知能力。TransNeXt在各种视觉任务中，包括图像分类、目标检测和语义分割，都显示出优异的性能(该模型的训练时间很长这是需要大家注意的)。

欢迎大家订阅我的专栏一起学习YOLO！ 

（本文内容可根据yolov11的N、S、M、L、X进行二次缩放，轻量化更上一层）。   

     专栏回顾：YOLOv11改进系列专栏——本专栏持续复习各种顶会内容——科研必备

---

目录

  一、本文介绍

二、TransNeXt的框架原理

2.1 聚合注意力机制 

2.2 卷积GLU

2.3  TransNeXt的架构示意图

三、TransNeXt的核心代码 

四、手把手教你添加TransNeXt机制 

4.1 修改一

4.2 修改二 

4.3 修改三 

4.4 修改四

4.5 修改五

4.6 修改六

4.7 修改七

4.8 修改八

注意！！！ 额外的修改（本文需要修改）！

打印计算量问题解决方案

注意事项（本文需要修改）！！！ 

五、TransNeXt的yaml文件

5.1 TransNeXt的yaml文件版本1

5.2 训练文件