标签： 自动化发布
YOLO11 改进 - 检测头 _ Detect_LSCD轻量共享卷积检测头：轻量化设计破解计算瓶颈，增强复杂场景目标感知能力
前言
本文介绍了基于群归一化（GroupNorm）和共享卷积的轻量化检测头LSCD，并将其集成进YOLOv11。LSCD检……
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……
YOLO11 改进 - 检测头 _ Detect-Dyhead动态检测头：轻量级设计统一多头注意力，提升复杂场景感知效率
前言
本文介绍了Detect-Dyhead检测头，并将其集成进YOLOv11。Detect-Dyhead通过将注意力功能分解为尺度意……
YOLO11 改进 - 核心卷积 _ 注入多阶门控聚合机制：Multi-Order Gated Aggregation 突破表示瓶颈，增强复杂场景目标感知能力
前言
本文介绍了MogaNet中的多阶门控聚合（MultiOrderGatedAggregation）模块在YOLOv11中的结合应用。Mul……
YOLO11 改进 - 损失函数 _ Shape-IoU：形状感知交并比损失函数通过动态调整权重增强尺度适应性，优化不规则目标准确定位
前言
本文介绍了Shape-IoU方法，用于改进YOLOv11的边框回归损失。现有边框回归方法常忽略边框自身形状与……
YOLO11 改进 - 损失函数 _ Shape-IoU形状交并比损失函数：动态调整损失权重增强尺度适应性，优化小目标定位能力
前言
本文介绍了聚焦边框自身形状与尺度的边框回归方法Shape-IoU，并将其集成进YOLOv11。现有边框回归方……
YOLO11 改进 - 损失函数 _ SDloss尺度动态损失：动态平衡尺度与位置损失权重破解多尺度目标检测难题
前言
本文介绍了基于尺度的动态损失（SD Loss）在YOLOv11中的结合。现有基于CNN的红外小目标检测方法忽略……
YOLO11 改进 - 损失函数 Shape-IoU：考虑边框形状与尺度的指标
# 前言
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、……
YOLO11 改进 - 损失函数 SDloss尺度动态损失：动态平衡尺度与位置损失权重破解多尺度目标检测难题
# 前言
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、……
YOLO11 改进 - 即插即用 _ 中小目标检测飙升：Hyper 超图赋能YOLO：轻量级设计实现跨层级信息交互，增强复杂场景感知
前言
本文介绍了目标检测方法Hyper - YOLO及其核心模块在YOLOv11中的结合应用。为克服传统YOLO模型颈部设……
