打赏

相关文章

YOLOv11涨点改进| TIP 2025顶刊| 独家特征融合改进篇| 引入DAM解耦注意力融合模块,通过强化关键空间特征信息,助力小目标检测、RGB-D目标检测、多模态融合目标检测有效涨点

一、本文介绍 🔥本文给大家介绍使用 DAM解耦注意力融模块 改进YOLOv11网络模型,增强模型对复杂场景下目标区域的特征表达与多尺度信息融合能力。DAM 通过水平与垂直方向的解耦注意力机制,在较低计算开销下强化关键空间特征,同时抑制背景噪声,提高模型对小目标、遮挡目标…

YOLOv11涨点改进| TPAMI 2025 | 独家注意力改进篇| 引入TMSA泰勒展开多头自注意力新范式,含二次创新多种改进点,助力目标检测、图像分割、遥感目标检测、图像修复任务涨点

一、本文介绍 🔥本文给大家介绍使用 TMSA泰勒展开多头自注意力新范式 改进YOLOv11网络模型,增强模型的全局上下文建模能力,使 YOLOv11不仅依赖局部卷积特征,还能捕获远距离目标、背景和区域之间的像素级关联,从而提升复杂场景下的目标识别与定位能力。TMSA 通过泰勒展开…

YOLOv11涨点改进| SCI一区 2026 |独家卷积改进篇| 引入CHB上下文特征利用模块,助力目标检测、图像分割、遥感小目标检测、低光照图像增强、图像去噪、图像去模糊任务涨点

一、本文介绍 🔥本文给大家介绍使用 CHB上下文特征利用模块 改进YOLOv11网络模型,增强骨干网络或颈部网络的特征提取能力,使模型在检测目标时能够同时利用局部细节、多尺度结构和全局上下文信息。CHB 通过局部聚合强化边缘、纹理等细粒度特征,通过多尺度大核卷积扩大感受…

手机版浏览

扫一扫体验

微信公众账号

微信扫一扫加关注

返回
顶部