【YOLOv11多模态融合改进】| 引入轻量化特征提取模块，解决多模态中的双模型参数量、计算量增加问题（适用不同的轻量化模块）

一、本文介绍

本文记录的是利用轻量化模块改进 YOLOv11 的多模态目标检测网络模型。由于多模态模型在训练过程中使用的是两个模型，整体的参数量计算量相比一般的单模态模型大，所以轻量化也是多模态模型改进过程中常见的一个改进方向。本文介绍如何使用轻量化模块改进YOLOv11 中的主要特征提取模块C3k2。效果如下，也可替换成其它轻量化模块。

模型	参数量（验证）	计算量（验证）
YOLOv11n前期融合	2.6 M	7.1 GFLOPs
轻量后的前期融合	2.1 M（-0.5）	6.3 GFLOPs（-0.8）
YOLOv11n中期融合	3.8 M	9.4 GFLOPs
轻量后的中期融合	3.1 M（-0.7）	8.3 GFLOPs（-1.1）
YOLOv11n中-后期融合	4.3 M	11.2 GFLOPs
轻量后的中-后期融合	3.6 M （-0.7）	9.9 GFLOPs（-1.3）
YOLOv11n后期融合	5.1 M	12.3 GFLOPs
轻量后的后期融合	4.2 M（-0.9）	10.7 GFLOPs（-1.6）

---

专栏地址：YOLO系列模型的多模态融合改进——极易上手、非常好发文的多模态改进教程！