YOLO11 改进 – 检测头 _ DetectDeepDBB 基于深度多样分支块的检测头：优化特征提取流程，改善多尺度目标检测

前言

本文介绍了 DeepDBB 技术在 YOLOv11 中的结合应用。DeepDBB 是改进的网络模块，继承 WDBB 思想，通过多分支和多样化卷积设计提升特征提取能力。其核心是多样化的多分支卷积结构，包括常规 KxK 卷积、1x1 卷积、深度可分离卷积和非对称卷积，能处理不同特征模式。还进行多尺度特征融合，增强模型对不同尺寸目标的处理能力。训练时用多分支结构，推理时合并卷积核，减少计算负担。我们将 DeepDBB 集成进 YOLOv11 的检测头，替换原有模块。实验表明，改进后的 YOLOv11 在目标检测任务中表现出色。

文章目录： YOLOv11改进大全：卷积层、轻量化、注意力机制、损失函数、Backbone、SPPF、Neck、检测头全方位优化汇总

专栏链接: YOLOv11改进专栏

文章目录

[TOC]

介绍

摘要

本文针对灰度图像中目标检测的挑战，提出了一种增强型目标检测网络YOLO-MIF，该网络整合了多种多信息融合策略，以改进YOLOv8网络。文章首先介绍了一种技术，用于创建伪多通道灰度图像，增加网络的通道信息，并减轻潜在的图像噪声和虚焦模糊问题。随后，采用网络结构重新参数化技术，提升网络的检测性能而不增加推断时间。另外，引入了一种新颖的解耦式检测头，增强了模型在处理灰度图像时的表现力。文章还对该算法在两个开源灰度图像检测数据集（NEU-DET和FLIR-ADAS）上进行了评估。结果表明，在相同速度下，该算法在平衡检测效率和有效性方面优于YOLOv8 2.1％，优于Faster R-CNN 4.8％，取得了更好的性能表现。

创新点

DeepDBB （Deep Diverse Branch Block）是一种改进的网络模块，设计用于提升卷积神经网络的特征提取能力，特别是对于复杂的目标检测和分类任务。DeepDBB 继承了 WDBB (Wide Diverse Branch Block) 的思想，通过多分支和多样化的卷积设计，实现更为丰富的特征表达。其核心在于结合多个不同类型的卷积操作，在增强网络的特征提取能力的同时减少推理阶段的计算负担。以下是 DeepDBB 的技术原理和实现细节：

1. 多样化的多分支卷积结构

DeepDBB 模块的设计核心是通过多个卷积分支来丰富特征空间，不同的卷积分支负责不同的特征提取任务，从而形成更加多样的特征表征。典型的分支结构包括：

• 常规 KxK 卷积 ：用于标准的特征提取。

• 1x1 卷积 ：用于降低维度，通常被用作瓶颈层来减少计算量，并增加网络的非线性表达能力。

• 深度可分离卷积 ：通过深度卷积和逐点卷积的组合来提取更细粒度的特征，并显著降低计算量。

• 非对称卷积（如 1xK 和 Kx1） ：通过在特定方向上扩展感受野，使网络能够捕捉到更广泛的特征。

这些分支结构能够处理不同的特征模式，例如大尺度特征、边缘特征和方向性特征，从而实现特征的多样性表达。

2. 多尺度特征融合

DeepDBB 通过不同分支卷积的组合，在不同的尺度上提取特征，并将这些特征进行融合。这种多尺度特征融合使得模型可以处理不同尺寸的目标，尤其是在目标检测任务中表现出色。多尺度融合的方式可以有效增强网络对小目标和大目标的识别能力。

3. 卷积核重构和身份转换

在训练阶段，DeepDBB 使用多分支结构增加模型的学习能力，但在推理阶段会将多分支卷积核进行合并，转换为等效的单一 KxK 卷积核。这个过程可以分为以下步骤：

• 分支扩展 ：将各个分支的卷积核进行扩展，例如将 1x1 卷积核通过零填充扩展为 KxK 卷积核。

• 卷积核融合 ：对不同分支的卷积核进行线性组合或加权融合，生成一个单一的 KxK 卷积核。这一融合过程确保了模型在推理阶段可以简化为单一的 KxK 卷积，从而减少计算量。

4. 训练与推理阶段的分离优化

DeepDBB 利用了“训练-推理分离优化”的思想，在训练阶段采用多分支和多样化卷积设计来提升特征学习能力，而在推理阶段通过合并分支简化网络结构。这种设计使得模型在推理时更加轻量化和高效，同时保留了训练阶段的丰富特征表达能力。

5. 深度卷积与残差连接的结合

在 DeepDBB 中，深度卷积操作通常与残差连接结合使用，以增强梯度传播和特征复用。这种结构能够缓解深层网络中梯度消失的问题，使得网络可以更深，从而学习更复杂的特征。此外，残差连接能够促进不同层次特征的融合，进一步增强特征提取能力。

文章链接

论文地址： 论文地址

代码地址： 代码地址

核心代码

class DetectDeepDBB(nn.Module):

    dynamic = False  # force grid reconstruction
    export = False  # export mode
    shape = None
    anchors = torch.empty(0)  # init
    strides = torch.empty(0)  # init

    def __init__(self, nc=80, ch=()):  # detection layer
        super().__init__()
        self.nc = nc  # number of classes
        self.nl = len(ch)  # number of detection layers
        self.reg_max = 16  # DFL channels (ch[0] // 16 to scale 4/8/12/16/20 for n/s/m/l/x)
        self.no = nc + self.reg_max * 4  # number of outputs per anchor
        self.stride = torch.zeros(self.nl)  # strides computed during build
        c2, c3 = max((16, ch[0] // 4, self.reg_max * 4)), max(ch[0], self.nc)  # channels
        self.cv2 = nn.ModuleList(
            nn.Sequential(DeepDiverseBranchBlock(x, c2, 3), DeepDiverseBranchBlock(c2, c2, 3), nn.Conv2d(c2, 4 * self.reg_max, 1)) for x in ch)
        self.cv3 = nn.ModuleList(nn.Sequential(DeepDiverseBranchBlock(x, c3, 3), DeepDiverseBranchBlock(c3, c3, 3), nn.Conv2d(c3, self.nc, 1)) for x in ch)
        self.dfl = DFL(self.reg_max) if self.reg_max > 1 else nn.Identity()

    def forward(self, x):
        """Concatenates and returns predicted bounding boxes and class probabilities."""
        shape = x[0].shape  # BCHW
        for i in range(self.nl):
            x[i] = torch.cat((self.cv2[i](x[i]), self.cv3[i](x[i])), 1)
        if self.training:
            return x
        elif self.dynamic or self.shape != shape:
            self.anchors, self.strides = (x.transpose(0, 1) for x in make_anchors(x, self.stride, 0.5))
            self.shape = shape

        x_cat = torch.cat([xi.view(shape[0], self.no, -1) for xi in x], 2)
        if self.export and self.format in ('saved_model', 'pb', 'tflite', 'edgetpu', 'tfjs'):  # avoid TF FlexSplitV ops
            box = x_cat[:, :self.reg_max * 4]
            cls = x_cat[:, self.reg_max * 4:]
        else:
            box, cls = x_cat.split((self.reg_max * 4, self.nc), 1)
        dbox = dist2bbox(self.dfl(box), self.anchors.unsqueeze(0), xywh=True, dim=1) * self.strides
        y = torch.cat((dbox, cls.sigmoid()), 1)
        return y if self.export else (y, x)

    def bias_init(self):
        """Initialize Detect() biases, WARNING: requires stride availability."""
        m = self  # self.model[-1]  # Detect() module
        # cf = torch.bincount(torch.tensor(np.concatenate(dataset.labels, 0)[:, 0]).long(), minlength=nc) + 1
        # ncf = math.log(0.6 / (m.nc - 0.999999)) if cf is None else torch.log(cf / cf.sum())  # nominal class frequency
        for a, b, s in zip(m.cv2, m.cv3, m.stride):  # from
            a[-1].bias.data[:] = 1.0  # box
            b[-1].bias.data[:m.nc] = math.log(5 / m.nc / (640 / s) ** 2)  # cls (.01 objects, 80 classes, 640 img)

实验

脚本

import warnings
warnings.filterwarnings('ignore')
from ultralytics import YOLO

if __name__ == '__main__':
#     修改为自己的配置文件地址
    model = YOLO('/root/ultralytics-main/ultralytics/cfg/models/11/yolov11-DetectDeepDBB.yaml')
#     修改为自己的数据集地址
    model.train(data='/root/ultralytics-main/ultralytics/cfg/datasets/coco8.yaml',
                cache=False,
                imgsz=640,
                epochs=10,
                single_cls=False,  # 是否是单类别检测
                batch=8,
                close_mosaic=10,
                workers=0,
                optimizer='SGD',
                amp=True,
                project='runs/train',
                name='DetectDeepDBB',
                )

结果