《YOLO11魔术师专栏》专栏介绍 专栏目录

《YOLO11魔术师专栏》将从以下各个方向进行创新更新日期25.07.23【原创自研模块】【多组合点优化】【注意力机制】【主干篇】【neck优化】【卷积魔改】【block多尺度融合结合】【损失IOU优化】【上下采样优化】【小目标性能提升】【前沿论文分享】【训练实战篇】【pose关键点检测】【yolo11-seg分割】订阅者可以申请发票便于报销定期向订阅者提供源码工程配合博客使用YOLO11魔术师专栏主页链接YOLO11订阅链接为本专栏订阅者提供创新点改进代码改进网络结构图方便paper写作适用场景红外、小目标检测、工业缺陷检测、医学影像、遥感目标检测、低对比度场景适用任务所有改进点适用【检测】、【分割】、【pose】、【分类】等全网独家首发创新【自研多个自研模块】【多创新点组合适合paper 】☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️ ☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️包含注意力机制魔改、卷积魔改、检测头创新、损失IOU优化、block优化多层特征融合、 轻量级网络设计、24年最新顶会改进思路、原创自研paper级创新等本项目持续更新 |更新完结保底≥120 冲刺200联系WX:AI_CV_0624欢迎交流⭐⭐⭐专栏涨价趋势 199-259-299越早订阅越划算⭐⭐⭐ 2024年计算机视觉顶会创新点适用于YOLOv5、YOLOv7、YOLO8、YOLOv10、YOLO11等各个YOLO系列专栏文章提供每一步步骤和源码轻松带你上手魔改网络 重点通过本专栏的阅读后续你也可以设计魔改网络在网络不同位置Backbone、head、detect、loss等进行魔改实现创新主页链接YOLO11订阅链接目录如下☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️原创自研模块多组合点优化注意力机制 主干篇neck优化卷积魔改✨✨✨block多尺度融合结合损失IOU优化上下采样优化轻量化改进小目标性能提升⭐ ⭐ ⭐写作必备 SPPF Detect改进yolo11-seg分割 pose关键点检测☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️26年最新改进1. 原创自研 | 低对比度场景 | 平滑的 CIoU对其惩罚项中心点距离和长宽比差异进行平滑2. 损失篇 | 原创自研 | 一种基于小目标改进的多尺度的动态SD损失3. 轻量化涨点设计 | 融合PartialNet Block的C3k2-YOLO高效目标检测网络 | PartialNet AAAI20264.CVPR2026 Transformer注意力 | BinaryAttention 1-bit注意力推理提速100%5.TPAMI 2026重磅创新 | 自适应稀疏自注意力机制强势来袭让特征聚合更高效6.CVPR2026 MixerCSeg | DEGConv方向引导边缘门控破解细长裂缝检测难题☁️☁️☁️原创自研模块1. 新一代高效可形变卷积DCNv4如何做二次创新高效结合SPPF2. 自研独家创新MSAM注意力通道注意力升级魔改CBAM3. SPPF原创自研 | SPPF_attention重新设计加入注意力机制4. 原创自研 | 自研独家创新BSAM注意力 基于CBAM升级5. 自研检测头 | 独家创新SC_C_11Detect检测头结构创新实现涨点6. 原创自研 | 一种新颖的跨通道交互的高效率通道注意力EMCAECA改进版7. SPPF原创自研创新 | SPPF创新结构重新设计全局平均池化层和全局最大池化层8. 自研独家创新DSAM注意力 基于BiLevelRoutingAttention注意力升级9. 一种具有切片操作的SimAM注意力的内容引导注意力(CGA)的混合融合方案10. 原创自研 | 独家创新一种新颖的风车形卷积PConv检测头结构创新实现涨点 | AAAI 202511. 原创自研 | 魔改Bottleneck具备多尺度和特征通道融合的结构12. 原创自研 | 带有注意力的隐藏状态混合器的状态空间HSM-SSD | CVPR2025 EfficientViM13. 原创自研 | 低对比度场景 | 平滑的 CIoU对其惩罚项中心点距离和长宽比差异进行平滑14. 损失篇 | 原创自研 | 一种基于小目标改进的多尺度的动态SD损失25年最新改进1.AAAI2025 Transformer |一种基于Transformer的盲点网络TBSN架构2. AAAI 2025 | 一种新颖的风车形卷积PConv符合微弱小目标的像素高斯空间分布3. AAAI 2025 | 一种基于尺度的动态SD损失根据目标大小动态调整尺度和位置损失的影响4. 大型条带卷积技术更有效地提取空间信息 | Strip R-CNN遥感目标检测 新SOTA5. block优化 | 隐藏状态混合器的状态空间HSM-SSD | CVPR2025 EfficientViM6. 多尺度提取能力 | 一种多维联合注意力模块扩张卷积创新提取不同尺度的特征信息7. 遥感目标检测 | 专为低质量遥感图像设计的边缘 - 高斯聚合EGA模块8. 一种名为多认知视觉适配器Mona调优的新型基于适配器的优调方法CVPR20259. 注意力魔改 | 一种结合坐标注意力和内卷积的双坐标注意力特征提取DCAFE2025年510 编解码Metaformer 结构 解决受到噪点、光线不足和因环境昏暗等问题 | CVPR2025 DarkIR11. 卷积创新结合频域 | 一种名为频率动态卷积FDConv的创新方法CVPR202512. 特征融合 | 金字塔稀疏 TransformerPST一个轻量级、即插即用的模块 | 25年7月最新成果13. Transformer创新 | 卷积化自注意力引入Flash Attention高效涨点| ICCV2025多组合点优化1.GC10-DET缺陷检测 | DCNv4结合SPPF11Detect创新性结合2. GC10-DET缺陷检测 | DCNv4结合SPPFDCNv4结合11Detect双注意力块DAB创新注意力机制1.通道注意力和空间注意力CBAM | 全新注意力GAM2.EMA基于跨空间学习的高效多尺度注意力效果优于ECA、CBAM、CA3.新颖的多尺度卷积注意力MSCA即插即用助力小目标检测4.轻量级自注意力机制CoordAttention | CVPR20215.SKAttention注意力自适应地调整其感受野大小效果优于SENet6.归一化的注意力模块NAM,高效且轻量级的注意力机制7.双重注意力机制DoubleAttention有效地捕获图像中不同位置和不同特征的重要性8. SimAM无参Attention一种轻量级的自注意力机制9.极化自注意力Polarized Self-Attention一种更加精细的双重注意力机制10.用于微小目标检测的上下文增强和特征细化网络ContextAggregation11. 动态稀疏注意力的双层路由方法BiLevelRoutingAttention | CVPR202312. 可变形自注意力Attention暴力涨点 | 即插即用系列最新发表13. 最新移动端高效网络架构 CloFormer清华团队最新即插即用系列14. 上下文锚点注意力CAA | CVPR2024 PKINet 遥感图像目标检测15. 轻量级的 Mixed Local Channel Attention (MLCA)加强通道信息和空间信息提取能力16. 卷积和注意力融合模块(CAFMAttention) | 2024年最新成果17. CAMixing:卷积-注意融合模块和多尺度提取能力 | 2024年最新成果18. 一种新颖的可扩张残差DWR注意力模块增强多尺度感受野特征助力小目标检测19.注意力机制改进 | 并行化注意力设计PPA模块红外小目标暴力涨点20. 多膨胀通道精炼MDCR模块红外小目标暴力涨点21. 维度感知选择性集成模块DASI红外小目标暴力涨点22. 通道优先卷积注意力Channel Prior Convolutional AttentionCPCA| 中科院 发布23. 蒙特卡罗注意力(MCAttn)模块基于尺度变化的注意力网络24. 一种新的空间和通道协同注意模块充分挖掘通道和空间注意之间的协同作用25. 一种新颖的高效融合注意力机制结合C3k2二次创新2024年最新注意力成果26. 可变形双级路由注意力DBRA魔改动态稀疏注意力的双层路由方法27. 轻量化注意力 | 单头注意力模块并行结合全局和局部信息提高准确度| SHViT CVPR202428. 新颖的双注意力块DAB | 24.12月最新成果29. 注意力魔改 | 一种结合坐标注意力和内卷积的双坐标注意力特征提取DCAFE2025年530. Transformer创新 | 卷积化自注意力引入Flash Attention高效涨点| ICCV202531.注意力机制| 新颖的轻量分组注意力LWGA提取从局部到全局信息| 遥感影像最新成果32. 多尺度提取能力 | 稀疏分解大核可分离注意力的高效视觉注意力EVA扩大感受野33. 注意力魔改 | 新颖的卷积轴向注意力和谱空间注意力助力涨点适用高分辨率场景2025.12卷积魔改1.分布移位卷积DSConv,提高卷积层的内存效率和速度2. AKConv可改变核卷积即插即用的卷积幸福涨点3.大型分离卷积注意力模块实现暴力涨点同时显著减少计算复杂性和内存4. 可变形大核注意力一种采用大卷积核来充分理解体积上下文的简化注意力机制5. 多分支卷积模块RFB扩大感受野提升小目标检测精度6. DCNv2升级版本助力检测7. DCNv3算子基于DCNv2算子引入共享投射权重、多组机制和采样点调制 | CVPR20238. SPD-Conv低分辨率图像和小物体涨点明显9. 动态卷积DynamicConv CVPR2024 ParameterNet10. 动态蛇形卷积Dynamic Snake Convolution实现暴力涨点 | ICCV202311. 新的partial convolutionPConv结合C3k2 | CVPR202312. 可变形条带卷积(DSCN)魔改轻量DCNv3二次创新13. DCNv4更快收敛、更高速度、更高性能效果秒杀DCNv3、DCNv2等 助力检测14. 轻量化双卷积DualConv完成涨点且计算量和参数量显著下降15.具有切片操作的SimAM注意力魔改SimAM助力小目标检测16. AAAI 2025 | 一种新颖的风车形卷积PConv符合微弱小目标的像素高斯空间分布17. 卷积创新结合频域 | 一种名为频率动态卷积FDConv的创新方法CVPR2025 主干篇1. 一种极简的神经网络模型 VanillaNet,华为诺亚2. EMO结合 CNN 和 Transformer 的现代倒残差移动模块设计 |ICCV20233. 轻量化之王MobileNetV4 开源 | Top-1 精度 87%手机推理速度 3.8ms原地起飞4. 微软新作StarNet超强轻量级Backbone | CVPR 2024neck优化1. Gold-YOLO遥遥领先超越所有YOLO | 华为诺亚NeurIPS232. Hyper-YOLO创新点HyperC2NetMANet✨✨✨block多尺度融合结合1.分层特征融合策略MSBlock | 南开大学提出YOLO-MS2.ECVBlock即插即用的多尺度融合模块助力小目标涨点3.多级特征融合金字塔HS-FPN助力小目标检测| 2024年最新论文4. LSKblockAttention助力旋转目标检测南开大学提出LSKNet遥感旋转目标检测新SOTA5. 一种新的路径融合GFPN包含跳层与跨尺度连接 小目标到大目标一网打尽6. SEAM提升小目标遮挡物性能提升7. 华为诺亚2023极简的神经网络模型 VanillaNet---VanillaBlock助力检测实现暴力涨点8. 一种基于内容引导注意力(CGA)的混合融合实现暴力涨点 | IEEE TIP 2024 浙大9.多层次特征融合SDI小目标涨点明显10. PKIBlock多尺度卷积核优势无需膨胀即插即用小目标涨点11. RepViTBlock和C3k2进行结合实现二次创新 | CVPR2024清华RepViT12. 「一夜干掉MLP」的KAN 全新神经网络架构一夜爆火13. 一种新颖的多尺度特征融合iAFF适配小目标检测14. 全局到局部可控感受野模块GL-CRM 量身为为多尺度变化而设计16. 空间频率注意力和通道转置注意力恢复高频细节 | IJCAI-2417. block优化 | 隐藏状态混合器的状态空间HSM-SSD | CVPR2025 EfficientViM18 . 多尺度提取能力 | 一种多维联合注意力模块扩张卷积创新提取不同尺度的特征信息 |19. 特征融合 | 金字塔稀疏 TransformerPST一个轻量级、即插即用的模块 | 25年7月最新成果20. 多尺度提取能力 | 稀疏分解大核可分离注意力的高效视觉注意力EVA扩大感受野损失IOU优化1.一种新的Shape IoU更加关注边界框本身的形状和尺度对小目标检测也很友好2.Inner-IoU基于辅助边框的IoU损失高效结合 GIoU, DIoU, CIoUSIoU 等3.Powerful-IoU更好、更快的收敛IoU效果秒杀CIoU、GIoU等 | 2024年最新IoU4. 一种新的基于Wasserstein距离的小目标检测评估方法助力小目标涨点5. 一种新的自适应阈值焦点损失函数loss更多的注意力分配给目标特征6. SlideLoss解决简单样本和困难样本之间的不平衡问题7. Unified-loU用于高品质目标检测的统一loU 2024年8月最新IoU8. AAAI 2025 | 一种基于尺度的动态SD损失根据目标大小动态调整尺度和位置损失的影响上下采样优化1.轻量级上采样CARAFE算子2.超轻量高效动态上采样DySample效果秒杀CAFFE助力小目标检测小目标性能提升1.新颖的多尺度卷积注意力MSCA即插即用助力小目标检测2.用于微小目标检测的上下文增强和特征细化网络ContextAggregation3.ECVBlock即插即用的多尺度融合模块助力小目标涨点4.超轻量高效动态上采样DySample效果秒杀CAFFE助力小目标检测5.一种新的Shape IoU更加关注边界框本身的形状和尺度对小目标检测也很友好6.多级特征融合金字塔HS-FPN助力小目标检测| 2024年最新论文7. 多分支卷积模块RFB扩大感受野提升小目标检测精度8. 一种新的路径融合GFPN包含跳层与跨尺度连接 小目标到大目标一网打尽9. SEAM提升小目标遮挡物性能提升10 . SPD-Conv低分辨率图像和小物体涨点明显11. 一种新的基于Wasserstein距离的小目标检测评估方法助力小目标涨点12. 卷积和注意力融合模块(CAFMAttention) | 2024年最新成果13. 新颖的多尺度前馈网络(MSFN) | 2024年4月最新成果14. CAMixing:卷积-注意融合模块和多尺度提取能力 | 2024年最新成果15. 一种新颖的可扩张残差DWR注意力模块增强多尺度感受野特征助力小目标检测16. 多层次特征融合SDI小目标涨点明显17.注意力机制改进 | 并行化注意力设计PPA模块红外小目标暴力涨点18. 一种新的自适应阈值焦点损失函数loss更多的注意力分配给目标特征19. PKIBlock多尺度卷积核优势无需膨胀即插即用小目标涨点20. 多膨胀通道精炼MDCR模块红外小目标暴力涨点21. 维度感知选择性集成模块DASI红外小目标暴力涨点22. 多头检测器提升小目标检测精度23. 一种新颖的多尺度特征融合iAFF适配小目标检测24.具有切片操作的SimAM注意力魔改SimAM助力小目标检测25. 全局到局部可控感受野模块GL-CRM 量身为为多尺度变化而设计26. Transformer创新 | 卷积化自注意力引入Flash Attention高效涨点| ICCV2025轻量化改进1.分布移位卷积DSConv,提高卷积层的内存效率和速度2. 华为Ghostnet超越谷歌MobileNet | CVPR20203. 华为Ghostnetv2端侧小模型性能新SOTA | NeurIPS224. 华为GhostNet再升级全系列硬件上最优极简AI网络G_ghost | IJCV225. 通用倒瓶颈UIB搜索块结合C3k2二次创新 | 轻量化之王MobileNetV46. 动态卷积DynamicConv CVPR2024 ParameterNet7. 轻量级改进 | 逐元素乘法star operation二次创新微软新作StarNet10. 轻量化双卷积DualConv完成涨点且计算量和参数量显著下降11. 基于特征重用和特征CSO的CAM创新十足12. 轻量化涨点设计 | 融合PartialNet Block的C3k2-YOLO高效目标检测网络 | PartialNet AAAI2026☁️☁️☁️SPPF Detect改进1.多级特征融合金字塔HS-FPN助力小目标检测| 2024年最新论文2. 新一代高效可形变卷积DCNv4如何做二次创新高效结合SPPFpaper创新篇1. GC10-DET缺陷检测| DCNv4结合SPPF11Detect创新性结合创新十足 pose关键点检测1.自己数据集从labelme标注到生成yolo格式的关键点数据以及训练教程2. 具有切片操作的SimAM注意力魔改SimAM助力pose关键点检测能力3. 多头检测器提升助力pose关键点检测能力4. SPPF原创自研创新 | SPPF创新结构助力pose检测5. 自研独家创新DSAM注意力 助力pose关键点检测能力6. 自研独家创新BSAM注意力 助力pose关键点检测能力7. 可变形双级路由注意力DBRA魔改动态稀疏注意力的双层路由方法助力pose检测8. 独家创新SC_C_11Detect检测头结构创新助力手势pose关键点检测9. DCNv4更快收敛、更高速度、更高性能效果秒杀DCNv3、DCNv2等 结合C3k2二次创新10. 新一代高效可形变卷积DCNv4结合SPPF二次创新助力关键点检测11. 新颖的双注意力块DAB一种新的并行注意力架构助力关键点检测yolo11遥感小目标检测1. 遥感小目标 | 通道转置注意力CTA多头通道 | IJCAI-242. 遥感小目标 | 单头注意力模块并行结合全局和局部信息提高准确度 | SHViT CVPR20243.注意力机制| 新颖的轻量分组注意力LWGA提取从局部到全局信息| 遥感影像最新成果yolo11-seg分割1. 多头检测器提升分割精度2. 自研独家创新DSAM注意力 基于BiLevelRoutingAttention注意力升级助力分割3. 具有切片操作的SimAM注意力魔改SimAM助力分割4. SPPF_attention重新设计加入注意力机制助力分割5. DCNv4更快收敛、更高速度、更高性能 结合C3k2二次创新助力分割yolo11-seg包裹分割1如何训练自己的数据集包裹分割数据集2单头注意力模块并行结合全局和局部信息提升分割能力3 空间频率注意力和通道转置注意力 恢复分割边缘细节4 原创自研 | 一种新颖的跨通道交互的高效率通道注意力EMCA5 SPPF原创自研 | SPPF_attention能够在不同尺度上更好的、更多的关注注意力特征信息6具有切片操作的SimAM注意力魔改SimAM助力分割7全局到局部可控感受野模块GL-CRM 量身为为多尺度变化而设计8新颖的多尺度卷积注意力MSCA即插即用助力分割9新颖的双注意力块DAB | 24.12月最新成果⭐ ⭐ ⭐写作必备1. 多种绘制曲线对比图为科研保驾护航2.如何测试FPS指标3. 引入多种可视化CAM方法为科研保驾护航☁️☁️☁️训练实战篇1.YOLO11 全新发布原理介绍代码详见结构框图2. 解决创新点在自己数据集不涨点现象通过EMA多尺度注意力举例阐述并提出解决方案3. 多尺度卷积注意力MSCA在网络不同位置涨点情况 | 创新点如何在自己数据集上高效涨点4. 如何训练 | 验证 | 测试 自己的数据集☁️☁️☁️GC10-DET缺陷检测1. 新一代高效可形变卷积DCNv4结合SPPF二次创新2.多级特征融合金字塔HS-FPN助力缺陷检测3. DCNv4二次创新11Detetct,效果秒杀DCNv3、DCNv24. DCNv4结合SPPF11Detect创新性结合创新十足