YOLOv11添加CBAM注意力机制（小白修改）

原创已于 2025-12-05 15:05:05 修改 · 1.2k 阅读

16 ·

CC 4.0 BY-SA版权

文章标签：

#YOLO

于 2024-07-19 09:43:10 首次发布

Yolo-v8.3

Yolo

YOLO（You Only Look Once）是一种流行的物体检测和图像分割模型，由华盛顿大学的Joseph Redmon 和Ali Farhadi 开发。 YOLO 于2015 年推出，因其高速和高精度而广受欢迎

修改

在YOLOv11中ultralytics->nn->tasks.py文件，导入CBAM模块，在

from ultralytics.nn.modules import # 添加CBAM模块

添加

在

def parse_model(d, ch, verbose=True): # 中添加CBAM模块

添加 elif m is CBAM：

            if m in {BottleneckCSP, C1, C2, C2f, C2fAttn, C3, C3TR, C3Ghost, C3x, RepC3}:
                args.insert(2, n)  # number of repeats
                n = 1
        elif m is AIFI:
            args = [ch[f], *args]
        elif m in {HGStem, HGBlock}:
            c1, cm, c2 = ch[f], args[0], args[1]
            args = [c1, cm, c2, *args[2:]]
            if m is HGBlock:
                args.insert(4, n)  # number of repeats
                n = 1
        elif m is ResNetLayer:
            c2 = args[1] if args[3] else args[1] * 4
        elif m is nn.BatchNorm2d:
            args = [ch[f]]
        elif m is Concat:
            c2 = sum(ch[x] for x in f)
        elif m in {Detect, WorldDetect, Segment, Pose, OBB, ImagePoolingAttn}:
            args.append([ch[x] for x in f])
            if m is Segment:
                args[2] = make_divisible(min(args[2], max_channels) * width, 8)
        elif m is RTDETRDecoder:  # special case, channels arg must be passed in index 1
            args.insert(1, [ch[x] for x in f])
        elif m is CBLinear:
            c2 = args[0]
            c1 = ch[f]
            args = [c1, c2, *args[1:]]
        elif m is CBFuse:
            c2 = ch[f[-1]]
        elif m is CBAM:
            c1, c2 = ch[f], args[0]
            if c2 != nc:
                c2 = make_divisible(min(c2, max_channels)*width, 8)
            args = [c1, *args[1:]]
        else:
            c2 = ch[f]

        elif m is CBAM:
            c1, c2 = ch[f], args[0]
            if c2 != nc:
                c2 = make_divisible(min(c2, max_channels)*width, 8)
            args = [c1, *args[1:]]

查看conv.py模块是否存在“CBAM”

查看__init__.py文件中CBAM模块

修改配置文件，复制一份yolov11-obb.yaml文件，命名位yolov11_CBAM.yaml文件

新建文件查看模块是否添加成功

添加成功

注：yolov11和yolov8一样，CBAM模块不易添加过多，过多模块容易引起模型过拟合，适得其反，一般情况n/s尺度的模型只在head中间层添加一个CBAM模块，m/l/x模块可以酌情添加2-3个CBAM模块，分别在backbone尾和head中间层添加，添加完成后一定记得修改head层中引用的层数

您可能感兴趣的与本文相关的镜像

Yolo-v8.3

Yolo