YOLOv11改进策略【Neck】| TPAMI 2024 FreqFusion 频域感知特征融合模块 解决密集图像预测问题

一、本文介绍

本文主要利用FreqFusion结构改进YOLOv11的目标检测网络模型FreqFusion结构针对传统特征融合在密集图像预测中存在的问题,创新性地引入自适应低通滤波器生成器偏移量生成器自适应高通滤波器生成器。将FreqFusion应用于YOLOv11的改进过程中,能够使模型在处理复杂场景图像时,更精准地聚焦目标物体边界,减少背景噪声干扰,显著强化目标物体边界特征表达,进而提升模型在复杂场景下对目标物体的检测精度与定位准确性。


专栏目录:YOLOv11改进目录一览 | 涉及卷积层、轻量化、注意力、损失函数、Backbone、SPPF、Neck、检测头等全方位改进

专栏地址:YOLOv11改进专栏——以发表论文的角度,快速准确的找到有效涨点的创新点!

文章目录

  • 一、本文介绍
  • 二、FreqFusion介绍
    • 2.1 出发点
    • 2.2 结构
    • 2.3 原理
    • 2.4 作用
  • 三、FreqFusion的实现代码
  • 四、添加步骤
    • 4.1 修改一
    • 4.2 修改二

你可能感兴趣的:(YOLOv11改进专栏,YOLO,深度学习,计算机视觉,目标检测)