YOLOv11改进 | 融合改进篇 | Damo-YOLO融合SwinTransformer轻量化创新yolov11（可替换专栏20+主干）

一、本文介绍

本文给大家带来的最新改进机制是融合改进，利用Damo-YOLO配合SwinTransformer，其中Damo-YOLO和SwinTransformer在我前面的文章都已经讲过了如何使用，本文主要讲一下将他们融合起来的注意事项以及使用方法，同时在开始讲解之前推荐一下我的专栏，本专栏的内容支持(分类、检测、分割、追踪、关键点检测),专栏目前为限时折扣(相同文章数量全网最低)，欢迎大家订阅本专栏，本专栏每周更新3-5篇最新机制，更有包含我所有改进的文件和交流群提供给大家，本文的SwinTransformer可以替换为本专栏的20余种主干。

欢迎大家订阅我的专栏一起学习YOLO！ 

训练信息：YOLO11-SwinTransformer-RepGFPN summary: 353 layers, 2,736,687 parameters, 2,736,671 gradients, 6.3 GFLOPs

基础版本：YOLO11 summary: 319 layers, 2,591,010 parameters, 2,590,994 gradients, 6.4 GFLOPs

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、原理介绍

三、Damo-YOLO核心代码使用方式

3.1 修改一

3.2 修改二 

3.3 修改三 

3.4 修改四 

四、 Swintransformer的核心代码和使用方式

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

4.9 修改九