yolo11

YOLO11改进-注意力-引入自调制特征聚合模块SMFA

本篇文章将介绍一个新的改进机制——SMFA（自调制特征聚合模块），并阐述如何将其应用于YOLOv11中，显著提升模型性能。随着深度学习在计算机视觉中的不断进展，目标检测任务也在快速发展。YOLO系列模型（YouOnlyLookOnce）一直因其高效和快速而备受关注。然而，尽管YOLOv11在检测精度和速度上有显著提升，但在处理复杂背景或需要捕捉更多局部和全局信息时，仍然面临挑战。为此，我们引入了S

一勺汤·2025-03-26 06:54

YOLOV11|YOLO12改进系列指南

基于Ultralytics的YOLO11|YOLO12改进目前自带的一些改进方案(持续更新)为了感谢各位对本项目的支持,本项目的赠品是yolov5-PAGCP通道剪枝算法.具体使用教程专栏改进汇总YOLO11

魔鬼面具·2025-03-23 08:03

YOLO11改进-模块-引入频率谱动态聚合模块FSDA 去除噪声

在图像去雾领域，深度学习在白天图像去雾方面成果显著，但夜间雾图研究较少。夜间雾图面临诸多挑战，其中包括雾、辉光和噪声因多个低强度有源彩色光源而具有复杂特性，以及模拟与真实数据的域差异导致的亮度问题。为解决这些，我们使用FSDA模块，处理频率不一致特性。FSDA先对频谱信息聚合，再计算通道权重并应用，最后映射回空间域，以此优化频谱信息，使模型更好处理复杂干扰。本文将其与YOLOv11相结合，增强YO

一勺汤·2025-03-20 22:46

数据集格式转换——json2txt、xml2txt、txt2json【复制就能用】

kay_545·2025-03-19 04:25

YOLO11改进-模块-引入多尺度差异融合模块MDFM

遥感变化检测（RSCD）专注于识别在不同时间获取的两幅遥感图像之间发生变化的区域。近年来，卷积神经网络（CNN）在具有挑战性的RSCD任务中展现出了良好的效果。然而，这些方法未能有效地融合双时相特征，也未提取出对后续RSCD任务有益的有用信息。此外，它们在特征聚合中没有考虑多层次特征交互，并且忽略了差异特征与双时相特征之间的关系，从而影响了RSCD的结果。为解决上述问题，本文通过孪生卷积网络提取不

一勺汤·2025-03-16 19:05

YOLO11改进-模块-引入CMUNeXt Block 增强全局信息

在医学图像分割领域面临诸多问题，如U形架构卷积网络难以提取全局信息，混合架构因计算资源受限在实际医疗场景应用受阻，轻量化网络在保证性能与提取全局信息上存在矛盾。因此，设计了CMUNeXtBlock，CMUNeXtBlock采用大核深度可分离卷积替代普通卷积来提取全局信息，凭借深度可分离卷积减少参数和计算成本以维持轻量化，同时综合利用卷积归纳偏置和全局信息提取能力，有效解决了这些问题。代码：http

一勺汤·2025-03-16 19:04

YOLO11 环境安装

1.安装Anaconda/Miniconda在Ubuntu中安装MinicondaAnaconda/Minicondapip配置清华镜像源Anaconda/Miniconda基本操作命令2.创建python虚拟环境#创建condacreate-nyolo11_envpython=3.12#激活condaactivateyolo11_env3.安装pytorch#Pytorchhttps://pyt

你喜欢喝可乐吗？·2025-03-16 12:13

《 YOLOv5、YOLOv8、YOLO11训练的关键文件：data.yaml文件编写全解》

走进YOLOv5、YOLOv8、YOLO11的data.yaml在计算机视觉领域的广袤星空中，目标检测无疑是一颗璀璨的明星，它广泛应用于自动驾驶、智能安防、工业检测、医疗影像分析等众多关键领域，发挥着不可或缺的作用

空云风语·2025-03-11 15:51

YOLO11的单独推理程序

YOLO11的单独推理程序，可以实例化加载一次多次推理。YOLO11的单独推理程序，可以实例化加载一次多次推理。YOLO11的单独推理程序，可以实例化加载一次多次推理。

AIOT魔法师·2025-02-26 23:02

解决在YOLO11同目录下新建py文件找不到模块，同时vscode会报错无法解析导入子模块/包（Import ultralytics.xxx could not be resolved）等。

Yolo11官方代码结构如图：如果在此目录下导入，是没有任何问题的，可以正常运行。

i__chen·2025-02-26 02:10

python环境的yolov11.rknn物体检测

1.首先是我手里生成的一个yolo11的.rknn模型：2.比对一下yolov5的模型：2.1yolov5模型的后期处理：outputs=rknn.inference(inputs=[img2],data_format

子正·2025-02-19 22:30

基于YOLOv11的目标检测系统

基于YOLOv11的目标检测系统前言YOLO11是UltralyticsYOLO是实时物体检测器系列中的最新产品，以最先进的精度、速度和效率重新定义了可能实现的目标。

夜思、晨·2025-02-06 12:21

【YOLO11改进 - Backbone主干】LSKNet：旋转目标检测新网络,通过DW卷积核和空间选择机制来动态调整目标的感受野

检测头等创新机制以及各种目标检测分割项目实战案例专栏链接:YOLOv11目标检测创新改进与实战案例文章目录YOLOv11目标检测创新改进与实战案例专栏介绍摘要创新点文章链接基本原理**LSKNet的结构**3.2大核卷积3.3空间核选择核心代码YOLO11

YOLO大师·2025-02-01 04:34

YOLOv11小白的进击之路（六）创新YOLO的iou及损失函数时的源码分析

iou或者说是损失函数的修改经常作为论文的创新点之一，那这篇文章就总结分析了在对YOLO11进行损失函数创新时需要关注的源代码，新的一年祝大家论文与财都发发发！

水静川流·2025-01-30 12:23

YOLO11涨点优化：特征融合创新 | 多层次特征融合（SDI），小目标涨点明显| UNet v2，比UNet显存占用更少、参数更少

本文独家改进：多层次特征融合（SDI），能够显著提升不同尺度和小目标的识别率如何引入到YOLO11：1)替代原始的Concat；改进结构图如下：《YOLOv11魔术师专栏》将从以下各个方向进行创新：【原创自研模块

AI小怪兽·2025-01-28 19:08

推荐频道