标签： CONV卷积
YOLO26改进 - C3k2 C3k2 融合 LSConv (Large-Small Conv） 融合大核感知与小核聚合，提升小目标特征判别力 CVPR 2025
前言
本文介绍了将LS（Large - Small）卷积与YOLO26相结合的方法。LS卷积受人类视觉系统动态异尺度感知能……
YOLO26 改进 - 注意力机制 CAFM (Convolutional Block Attention Module) 卷积块注意力模块：轻量级设计优化特征提取流程，提升小目标感知
前言
本文介绍了用于高光谱图像去噪的HCANet模型及其在YOLO26中的结合应用。HCANet结合了卷积神经网络和T……
YOLOv11 改进 - 主干网络 清华大学CloFormer AttnConv ：利用共享权重和上下文感知权重增强局部感知，注意力机制与卷积的完美融合
前言
本文介绍了轻量级视觉变换器CloFormer及其核心模块AttnConv在YOLOv11中的结合应用。为解决视觉变换……
YOLOv11 改进 - 主干网络 FasterNet (基于PConv部分卷积的神经网络)：轻量级设计优化内存访问效率，实现精度与速度双重提升
前言
本文提出了将新型的部分卷积（PConv）和基于此的FasterNet神经网络家族与YOLOv11相结合。PConv通过……
YOLOv11 改进 - 主干网络 ConvNeXtV2全卷积掩码自编码器网络：轻量级纯卷积架构破解特征坍塌难题，提升特征多样性
前言
本文介绍了将ConvNeXt V2与YOLOv11相结合的方法。先前的ConvNeXt模型与自监督学习结合效果不佳，为……
YOLO11 改进 - 注意力机制 _ ESC (Emulating Self-attention with Convolution) 卷积模拟自注意力：增强小目标与密集场景检测 ICCV 2025
前言
本文提出了卷积模拟自注意力网络（ESC），并将其与YOLOv11相结合。ESC是针对图像超分辨率任务设计的……
YOLO11 改进 - 注意力机制 _ CPCA(Channel prior convolutional attention)通道先验卷积注意力：轻量级设计破解权重分布难题，增强小目标显著性
前言
本文介绍了通道先验卷积注意力（CPCA）机制及其在YOLOv11中的结合应用。CPCA结合通道注意力与空间注……
YOLO11 改进 - 注意力机制 _ CBAM (Convolutional Block Attention Module) 卷积块注意力模块：轻量级设计自适应优化特征，提升小目标检测精度
前言
本文介绍了卷积块注意力模块（CBAM）及其在YOLOv11中的集成。CBAM是一种用于CNN的注意力机制，通过……
