必读指南 | YOLO11改进专栏简介 1. 模型改进无思路200实战方法直接落地针对YOLO模型改进痛点本专栏整理200实战验证方法覆盖卷积层、注意力机制等核心模块。 每种方法含原理、性能分析、改进路径及实操流程代码可直接运行快速提升模型效果性价比超高。 2. 优质模块难匹配顶会算法YOLO11专属适配改进方法源自CVPR等顶会前沿算法结合YOLO11二次创新。 模块高创新、高适配可直接用于检测、分割等多视觉任务满足科研与项目双重需求。 3. 全版本兼容一次学习多端复用方案完美适配YOLO11全任务因架构同源可无缝迁移至YOLOv8/v10/v12/v13。一次学习多版通用大幅降低学习与时间成本。 4. 持续更新保障早订早享终身权益专栏每周更新 3-5 篇实战案例97 分全网领跑。紧跟 2025 最新动态内容增值即涨价早订更划算。一次订阅终身可用私信留言需求可优先更新。YOLO11的模型结构需要可编辑的原型图请私信联系YOLO11改进目录一览持续更新中ing购买专栏后即可私信我获取完整程序文件以及一键运行的环境️ 所有代码支持直接集成到你的项目中运行与训练无需繁琐配置。 支持按需自由组合模块快速构建适配你数据集的改进方案实现实战有效涨点。请先注册以下网站然后按照截图将ID通过CSDN私信发送给我 https://www.autodl.com/专栏购买链接 YOLO11改进专栏✨基础知识 ✨YOLO11实战指南WindowsCUDA环境配置 自定义数据集训练 以EMA演示如何创新改进YOLO11YOLO11 改进 - 基础知识 | YOLO11 Conv模块超详细解析从源码实现到BN/SiLU原理初学者友好版YOLO11 改进 - 基础知识 | YOLO11核心模块解析C3k2的工作原理与代码实现详解初学者指南YOLO11 改进 - 基础知识 | C2PSA模块详解从结构原理、源码实现到模型配置YOLO11 改进 - 基础知识 | 为什么SPPF比SPP更快深入解析YOLO中多尺度特征提取的效率优化与代码实现注意力机制 YOLO11 改进 - 注意力机制 | 空间增强注意力SEAMSpatially Enhanced Attention Module提升遮挡场景检测鲁棒性YOLO11 改进 - 注意力机制 | HaloNet 局部自注意力 (Local Self-Attention) 以分块交互策略实现高效全局上下文建模YOLO11 改进 - 注意力机制 | 轴向注意力Axial AttentionAxial Attention优化高分辨率特征提取YOLO11 改进 - 注意力机制 | SCSA注意力通过双重注意力机制增强局部-全局特征交互YOLO11 改进 - 注意力机制 | 二阶通道注意力SOCA 通过协方差建模与自适应重缩放实现判别性特征增强YOLO11 改进 - 注意力机制 | CGAFusion (Content-Guided Attention Fusion) 抑制噪声提升跨模态检测精度与鲁棒性YOLO11 改进 - 注意力机制 |融合HCF-Net维度感知选择性整合模块DASI 增强小目标显著性YOLO11 改进 - 注意力机制 | 多扩张通道细化器MDCR 通过通道划分与异构扩张卷积提升小目标定位能力YOLO11 改进 - 注意力机制 | GCT(Gaussian Context Transformer)高斯上下文变换器轻量化的通道特征增强YOLO11 改进 - 注意力机制 | 双层路由注意力BRABi-Level Routing Attention增强小目标特征捕获YOLO11 改进 - 注意力机制 | Deformable-LKA 可变形大核注意力自适应采样网格优化特征捕捉提升不规则目标感知YOLO11 改进 - 注意力机制 | STA超级令牌注意力机制超级令牌采样实现高效全局依赖捕获优化多尺度感知YOLO11 改进 - 注意力机制 | ELA(Efficient Local Attention)高效局部注意力突破降维限制精准定位增强小目标感知YOLO11 改进 - 注意力机制 | HAT混合注意力变换器超分重建能力迁移提升小目标特征清晰度与检测精度YOLO11 改进 - 注意力机制 | Dual-ViT 双视觉变换器双路径建模协同全局语义与局部特征增强多尺度感知YOLO11 改进 - 注意力机制 | GC Block(GlobalContext Block)全局上下文块三重变换捕获全局依赖提升复杂场景鲁棒性YOLO11 改进 - 注意力机制 | ParNet并行子网络多分支协同优化特征表达增强模型判别能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YOLO11 改进 - 注意力机制 | SENetV2 聚合稠密层多分支密集层增强通道与全局表示优化特征校准机制YOLO11 改进 - 注意力机制 | CascadedGroupAttention级联组注意力动态感受野适配复杂场景增强小目标特征捕获YOLO11 改进 - 注意力机制 | Focused Linear Attention 聚焦线性注意力增强特征聚焦与多样性优化多尺度目标检测YOLO11 改进 - 注意力机制 | CAA上下文锚点注意力条带卷积捕捉长程依赖优化多尺度与长形目标检测YOLO11 改进 - 注意力机制 | Gather-Excite 聚集-激发注意力空间上下文聚合与重校准优化多尺度目标检测YOLO11 改进 - 注意力机制 | MLLAttention (Mamba-Like Linear Attention) 类Mamba线性注意力动态感受野适配多尺度目标YOLO11 改进 - 注意力机制 | SGE(Spatial Group-wise Enhance)空间分组增强分组注意力自主校准特征重要性优化目标定位YOLO11 改进 - 注意力机制 | RCS-OSA减少通道的空间对象注意力通道压缩与空间注意力协同破解特征冗余增强多尺度感知YOLO11 改进 - 注意力机制 | Non-Local 非局部注意力突破局部感受野限制实现高效上下文信息整合YOLO11 改进 - 注意力机制 | Sea_Attention 挤压增强轴向注意力全局语义与局部细节协同增强优化多尺度目标检测YOLO11 改进 - 注意力机制 | LS-YOLO MSFE 多尺度特征提取模块并行分支结构增强多尺度感知优化遥感与小目标检测YOLO11 改进 - 注意力机制 | PPA(Parallelized Patch-Aware Attention)并行补丁感知注意分层特征融合保持小目标表征YOLO11 改进 - 注意力机制 | MCA 多维协作注意力轻量化设计破解维度割裂难题优化多尺度目标检测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YOLO11 改进 - 注意力机制 | LSKNet大型选择性核网络自适应核加权强化关键特征捕获增强小目标显著性YOLO11 改进 - 注意力机制 | Polarized Self-Attention 极化自注意力高分辨率保持机制优化细节表征助力小目标检测YOLO11 改进 - 注意力机制 | S2Attention稀疏分片注意力多头协同覆盖全局上下文增强小目标与长程特征捕获YOLO11 改进 - 注意力机制 | EffectiveSE 高效挤压激励模块单全连接层设计破解信息丢失难题增强通道特征表征YOLO11 改进 - 注意力机制 | ContextAggregation上下文聚合模块多尺度上下文信息融合机制增强小目标特征判别力YOLO11 改进 - 注意力机制 | DAT (Deformable Attention) 可变形注意力动态感知关键区域破解固定注意力模式增强特征捕捉能力YOLO11 改进 - 注意力机制 | CoordAttention坐标注意力嵌入位置信息破解通道注意力局限增强目标空间感知YOLO11 改进 - 注意力机制 | MSCA 多尺度卷积注意力多尺度卷积协同增强特征捕获优化小目标检测精度YOLO11 改进 - 注意力机制 | ECA (Efficient Channel Attention) 高效通道注意力轻量级设计实现跨通道交互增强特征表征能力YOLO11 改进 - 注意力机制 | TripletAttention 三重注意力轻量级设计破解计算瓶颈提升小目标检测鲁棒性YOLO11 改进 - 注意力机制 | DoubleAttention 双重注意力机制轻量级设计实现动态特征聚焦增强小目标检测鲁棒性YOLO11 改进 - 注意力机制 | SKAttention选择性内核注意力轻量级设计动态调整感受野增强复杂场景鲁棒性YOLO11 改进 - 注意力机制 | NAM 基于归一化的注意力模块轻量级设计优化通道与空间注意力提升小目标检测YOLO11 改进 - 注意力机制 | SimAM简单无参数注意力模块能量函数驱动三维权重优化增强特征判别力YOLO11 改进 - 注意力机制 | MHSA (Multi-Head Self-Attention) 多头自注意力多头并行协同捕获多样化上下文提升特征判别力YOLO11 改进 - 注意力机制 | MLCA混合局部通道注意力多维度特征融合破解信息局限增强复杂场景感知能力YOLO11 改进 - 注意力机制 | GAM全局注意力机制通道与空间注意力协同抑制背景干扰强化目标关键特征YOLO11 改进 - 注意力机制 | CoTAttention (Contextual Transformer Attention) 上下文转换器注意力动静态上下文融合增强特征表征优化多尺度目标检测YOLO11 改进 - 注意力机制 | iRMB 倒置残差移动块硬件感知优化破解计算瓶颈提升小目标检测鲁棒性YOLO11 改进 - 注意力机制 | MSDA多尺度空洞注意力局部稀疏交互优化特征提取提升复杂场景鲁棒性YOLO11 改进 - 注意力机制 | EMA (Efficient Multi-Scale Attention) 高效多尺度注意力跨空间学习与多分支协同增强特征表征优化多尺度目标检测YOLO11 改进 - 注意力机制 | LSKA大核分离卷积注意力轻量级设计实现动态大感受野优化小目标检测鲁棒性YOLO11 改进 - 注意力机制 | ACmix自注意力与卷积混合模型轻量级设计融合双机制优势实现高效特征提取与推理加速YOLO11 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YOLO11 改进 - 注意力机制 | DCAFE双坐标注意力并行坐标注意力 双池化融合YOLO11 改进 - 注意力机制 MCAttn 蒙特卡洛注意力全局上下文与局部细节协同建模破解微小目标特征表达难题YOLO11 改进 - 注意力机制 | DiffAttention差分注意力轻量级差分计算实现高效特征降噪提升模型抗干扰能力YOLO11 改进 - 注意力机制 | Mask Attention掩码注意力可学习掩码矩阵破解低分辨率特征提取难题 | 2025 预印YOLO11 改进 - 注意力机制 | IIA信息整合注意力Information Integration Attention 精准保留空间位置信息平衡精度与计算成本 | TGRS2025YOLO11 改进 - 注意力机制 | LRSA局部区域自注意力( Local-Region Self-Attention: 轻量级局部上下文建模弥补长程依赖细节不足 | CVPR2025YOLO11 改进 - 注意力机制 | MFCA频率通道注意力(Multi-Frequency Channel Attention)解决小目标特征信息少、易被噪声干扰的问题YOLO11 改进 - 注意力机制 | ShuffleAttn序列洗牌注意力解决多向序列建模中的通道异构与信息不对齐问题YOLO11 改进 - 注意力机制 | DSSA双稀疏自注意力降低计算量并精准聚焦高信息量特征交互✅ 特征融合 ✅YOLO11 改进 - 特征融合 | 复杂目标适配SDI优化融合检测精度再升级YOLO11 改进 - 特征融合 | 替换 C3k2 涨点GELAN 融合 CSPELAN 提精度YOLO11 改进 - 特征融合 | Slim-neck目标检测新范式既轻量又涨点YOLO11 改进 - 特征融合 | 小目标检测救星DySample动态上采样减少特征丢失YOLO11 改进 - 特征融合 | FFCA-YOLO: 提升遥感图像中小目标检测的精度和鲁棒性YOLO11 改进 - 特征融合 | GIRAFFEDET之GFPN 广义特征金字塔网络高效地融合多尺度特征YOLO11 改进 - 特征融合 | SSFFTPECPAM 协同,ASF-YOLO 三重模块破解密集小目标分割难题YOLO11 改进 - 特征融合 | AFPN渐进特征金字塔网络 实现高效多尺度特征融合与检测精度突破【YOLO11改进 - 特征融合】引入聚集-分发机制Gather-and-Distribute 优化特征金字塔信息流与多尺度特征融合效率YOLO11 改进 - 特征融合 | RepGFPN重参数化特征金字塔网络 实现高效多尺度特征交互与融合YOLO11 改进 - 特征融合 | HS-FPN高效特征金字塔网络通过选择性特征交互实现参数优化与性能提升YOLO11 改进 - 特征融合 | 重参数化CSPELAN模块Reparameterized CSPELAN Module通过结构重参数化实现高效特征提取YOLO11 改进 - 特征融合 | 融合Hyper-YOLO混合聚合网络MANetMixed Aggregation Network通过多路径设计实现高效特征学习与模型适应性提升YOLO11 改进 - 特征融合 | EFC增强层间特征相关性通过多尺度特征交互减少冗余信息丢失即插即用YOLO11 改进 - 特征融合 | MSAA多尺度注意力聚合模块 多尺度卷积融合与双通道注意力机制YOLO11 改进 - 特征融合 | SMMM结构感知多尺度掩码模块筛除冗余、强化边界与语义交互助力图像分割高效涨点 | AAAI 2026YOLO11 改进 - 特征融合 | STFFM空间时间特征融合模块强化时空互补、抑制噪声助力小目标检测高效涨点Mamba 系列YOLO11 改进 - Mamba | 集成Mamba-YOLOAAAI 2025Mamba-YOLO11-L 替换骨干破解全局依赖建模难题实现高效实时检测YOLO11 改进 - Mamba | 集成Mamba-YOLOAAAI 2025Mamba-YOLO11-T 替换骨干破解全局依赖建模难题实现高效实时检测YOLO11 改进 - Mamba | 集成Mamba-YOLOAAAI 2025Mamba-YOLO11-B 替换骨干破解全局依赖建模难题实现高效实时检测YOLO11改进 - Mamba | C3k2融合MambaOutCVPR 2025,简洁高效的视觉模型基线YOLO11改进 - Mamba | C3k2融合 VSS Block (Visual State Space Block) 视觉状态空间块优化多尺度特征融合YOLO11改进 - Mamba | ASSG (Attentive State Space Group) 注意力状态空间组增强全局上下文感知 | CVPR 2025YOLO11改进 - Mamba | C3k2融合MobileMambaBlock在轻量前提下融合全局、多尺度局部特征并保留高频细节 | CVPR25Conv YOLO11改进 - 卷积Conv | GCNet之金箍棒块GCBlock CVPR 2025 重参数化捕获全局依赖YOLO11改进 - 卷积Conv | AAAI 2025顶会PConv(Pinwheel-shaped Conv): 风车状卷积用于红外小目标检测YOLO11改进 - 卷积Conv | LAE: 轻量级自适应提取卷积从多尺度特征图中获得更多的上下文信息和高分辨率细节YOLO11改进 - 卷积Conv | 融合多阶门控聚合网络MogaNet与 CA block提升复杂场景与小目标检测鲁棒性YOLO11改进 - 卷积Conv | 融合MogaNet中的ChannelAggregationFFN通道聚合前馈网络优化通道维度的特征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YOLO11改进 - 卷积Conv | 引入线性可变形卷积LDConvLinear Deformable Convolution增强不规则目标特征捕获能力YOLO11改进 - 卷积Conv | 突破传统卷积瓶颈重新参数化重聚焦卷积RefConv有效减少通道冗余YOLO11改进 - 卷积Conv | 融合Diverse Branch Block (DBB) 多样分支块的多尺度卷积路径丰富特征空间实现即插即用性能增益YOLO11改进 - 卷积Conv | 增强感受野与多尺度特征捕获引入RFB感受野块Receptive Field Block多分支卷积结构YOLO11改进 - 卷积Conv | 即插即用轻量化突破OREPA在线卷积重参数化通过动态结构演化实现高效特征提取与自适应优化YOLO11改进 - 卷积Conv | RFAConv感受野注意力卷积动态调整感受野提升小目标检出精度YOLO11改进 - 卷积Conv | SPD-Conv空间深度转换卷积优化空间信息编码攻克小目标检测难题YOLO11改进 - 卷积Conv | SCConv空间和通道重建卷积轻量化设计助力复杂场景与小目标检测YOLO11改进 - 卷积Conv | SPConv基于分割的卷积巧解特征冗余实现高效特征提取YOLO11改进 - 卷积Conv | DualConv( Dual Convolutional)用于轻量级深度神经网络的双卷积核YOLO11改进 - 卷积Conv | SAConv可切换空洞卷积自适应融合多尺度特征优化小目标与遮挡目标感知YOLO11改进 - 卷积Conv | ODConv全维度动态卷积四维注意力机制赋能特征提取增强多尺度感知YOLO11改进 - 卷积Conv | DynamicConv动态卷积赋能YOLO实现高效参数利用YOLO11改进 - 卷积Conv | AKConv可变核卷积任意参数与采样形状赋能特征提取提升检测精度YOLO11改进 - 卷积Conv | 加权卷积wConv2D无损替换标准卷积增强空间建模与特征提取质量YOLO11改进 - 卷积Conv | MKDC 多核深度卷积块 ICCV 2025)多分支架构协同捕获局部细节与全局语义提升特征判别力YOLO11改进 - 卷积Conv | PATConvPartial Attention Convolution部分注意力卷积在减少计算量的同时融合卷积与注意力的优势 | AAAI 2026YOLO11改进 - 卷积Conv | DEGConv(方向引导边缘门控卷积) : 空间分块、方向先验、轻量边缘增强YOLO11改进 - 卷积Conv | TMC三角掩码卷积Triangular-Masked Convolution构建菱形盲点感受野增强空间感知图像去噪有效涨点| CVPR 2026 |YOLO11改进 - 卷积Conv | HLKConv层次大核卷积动态增强局部上下文感知缓解空洞伪影助力红外小目标检测涨点 | TGRS 2025YOLO11改进 - 卷积Conv | StripBlockStripBlock大条带卷积块通过顺序条带卷积捕获方向性长程依赖强化高长宽比目标特征提取 | AAAI 2026⛵C3k2融合⛵YOLO11改进 - C3k2融合 | C3k2融合GCNet之金箍棒块GCBlock ( CVPR 2025): 重参数化捕获全局依赖YOLO11改进 - C3k2融合 | C3k2融合EBlock(Encoder Block)低光增强编码器块利用傅里叶信息增强低光图像YOLO11改进 - C3k2融合 | C3k2模块融合高效融合注意力EFAEfficient Fusion Attention提升图像分割中对多尺度目标的捕获精度YOLO11改进 - C3k2融合 | C3k2模块融合FMB模块 (Feature Modulation Block) 通过多层次特征调制优化空间与通道表征YOLO11改进 - C3k2融合 | C3k2融合小波卷积WTConv (Wavelet Convolution) 实现感受野跨越式扩展与检测精度协同提升YOLO11改进 - C3k2融合 | C3k2融合FasterBlock-CGLU-C2 通过特征筛选与增强优化计算效率YOLO11改进 - C3k2融合 | C3k2模块融合RetBlock保持块Retention Block实现高效局部细节增强与多尺度目标检测性能提升YOLO11改进 - C3k2融合 | C3k2模块融合融合RepViT Block实现多尺度特征交互与上下文感知能力提升YOLO11改进 - C3k2融合 | C3k2融合动态卷积DynamicConvDynamic Convolution实现参数量提升与计算开销高效平衡的精准检测YOLO11改进 - C3k2融合 | C3k2融合AKConv可改变核卷积 通过自适应采样位置调整优化多尺度目标表示YOLO11改进 - C3k2融合 | C3k2融合MLCA混合局部通道注意力 实现多尺度特征自适应优化与小目标检测精度提升YOLO11改进 - C3k2融合 | C3k2融合OREPA在线卷积重参数化,实现高效特征提取与模型轻量化YOLO11改进 - C3k2融合 | C3k2融合iRMB倒置残差移动块通过轻量注意力机制提升多尺度特征表示能力YOLO11改进 - C3k2融合 | C3k2融合MogaBlock多阶门控聚合块实现高效特征增强与计算资源优化YOLO11改进 - C3k2融合 | 融合DeepDBB深度多样分支模块Deep Diverse Branch Block通过多层次分支结构增强特征表征能力YOLO11改进 - C3k2融合 | C3k2融合融合WDBB宽度多样分支模块Width Diverse Branch Block通过多尺度分支增强特征表征能力YOLO11改进 - C3k2融合 | C3k2融合细节增强卷积DEConvDetail-Enhanced Convolution提升细微特征提取能力YOLO11改进 - C3k2融合 | C3k2融合ODConv全维度动态卷积通过四维注意力机制实现多维度自适应特征增强YOLO11改进 - C3k2融合 | C3k2融合Deformable-LKA可变形大核注意力Deformable Large Kernel Attention实现高效空间自适应特征提取YOLO11改进 - C3k2融合 | C3k2融合DWRSeg扩张式残差分割网络通过分层扩张卷积优化小目标细节特征提取YOLO11改进 - C3k2融合 | C3k2融合DWR扩张式残差分割网络通过分层扩张卷积优化小目标细节特征提取YOLO11改进 - C3k2融合 | C3k2融合动态蛇形卷积Dynamic Snake Convolution通过自适应卷积核变形优化弯曲目标分割精度YOLO11改进 - C3k2融合 | C3k2融合MSBlock多尺度块Multi-Scale Block通过分层特征融合策略实现高效特征提取与参数优化YOLO11改进 - C3k2融合 | PPA并行化注意力架构Parallelized Attention Architecture通过并行注意力分支优化小目标特征提取YOLO11改进 - C3k2融合 | C3k2融合Diverse Branch BlockDBB多样分支模块通过重参数化机制实现高效特征增强YOLO11改进 - C3k2融合 | C3k2融合SCConv空间和通道重建卷积Spatial and Channel Reconstruction Convolution实现即插即用式空间与通道优化YOLO11改进 - C3k2融合 | C3k2融合SCConv自校准卷积Self-Calibrated Convolutions通过特征内部自校准机制优化多尺度特征提取YOLO11改进 - C3k2融合 | C3k2融合MBRConv 多分支重参数化卷积,MBRConv3*3用于深层特征提取YOLO11改进 - C3k2融合 | C3k2融合MBRConv 多分支重参数化卷积,MBRConv5*5用于浅层特征提取YOLO11改进 - C3k2融合 | C3k2融合加权卷积wConv2D无损替换标准卷积增强空间建模与特征提取质量YOLO11改进 - C3k2融合 | C3k2融合SFS-Conv空间 - 频率选择卷积在单卷积层中提取空间和频率维度特征降低通道冗余YOLO11改进 - C3k2融合 | C3k2融合FDConv频率动态卷积空间-频域协同调制增强细节捕获提升小目标与边界模糊目标检出YOLO11改进 - C3k2融合 | C3k2 融合 ARConv 自适应矩形卷积动态调整卷积核形状与采样点YOLO11改进 - C3k2融合 | 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YOLO11改进 - C3k2融合 | C3k2融合 EVA Block高效视觉注意力块ICIP 2025融合多尺度特征自适应融合与通道级特征精炼YOLO11改进 - C3k2融合 | C3k2融DBlock解码器块( CVPR 2025 ) Decoder Block解码器块去模糊和提升图像清晰度YOLO11改进 - C3k2融合 | C3k2融合Mona多认知视觉适配器(CVPR 2025)打破全参数微调的性能枷锁即插即用的提点神器YOLO11改进 - C3k2融合 | C3k2融合HMHA分层多头注意力机制CVPR 2025优化模型在复杂场景下的目标感知能力YOLO11改进 - C3k2融合 | C3k2融合HMHA分层多头注意力机制CVPR 2025优化模型在复杂场景下的目标感知能力YOLO11改进 - C3k2融合 | C3k2融合CBSA 收缩 - 广播自注意力:轻量级设计实现高效特征压缩优化处理效率 | NeurIPS 2025YOLO11改进 - C3k2融合 | C3k2融合 IIA信息整合注意力Information Integration Attention 平衡精度与计算成本 | TGRS2025YOLO11改进 - C3k2融合 | C3k2融合LWGA轻量分组注意力Light-Weight Grouped Attention四路径并行架构破解通道冗余难题 | AAAI 2026YOLO11改进 - C3k2融合 | C3k2融合CKconv中国结卷积Chinese Knot Convolution增强网络对暗弱小目标的特征表达能力 | TGRS 2026YOLO11改进 - C3k2融合 | C3k2融合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 2025YOLO11改进 - C3k2融合 | IRA倒残差注意力模块轻量融合卷积表征与通道空间注意助力移动端多光谱颜色校正误差大幅降低 | CVPR 2026YOLO11改进 - C3k2融合 | FourierSR傅里叶Token插件模块扩展全局感受野、低成本提升重建细节助力高效图像超分辨率稳定涨点 | TIP 2026YOLO11改进 - C3k2融合 | RFGM残差傅里叶引导模块用频域先验修复极暗图像全局照明与结构细节 | TGRS 2026YOLO11改进 - C3k2融合 | PFG外围频率门控模块像素级选择感受野、构造自适应带通滤波助力时空预测高效建模 | CVPR 2026 C2PSAYOLO11 改进 - C2PSA | C2PSA融合MSLA多尺度线性注意力Arxiv2025 并行多分支架构融合上下文语义提升特征判别力YOLO11 改进 - C2PSA | C2PSA融合DML动态混合层Dynamic Mixing Layer轻量级设计优化局部细节捕获与通道适应性提升超分辨率重建质量YOLO11 改进 - C2PSA | C2PSA融合EDFFN高效判别频域前馈网络(CVPR 2025)频域筛选机制增强细节感知优化复杂场景目标检测YOLO11 改进 - C2PSA | C2PSA融合Mona多认知视觉适配器(CVPR 2025)打破全参数微调的性能枷锁即插即用的提点神器引领视觉微调新突破YOLO11 改进 - C2PSA | C2PSA融合CPIASA跨范式交互与对齐自注意力机制ACM MM2025: 交互对齐机制破解特征融合难题提升小目标与遮挡目标判别力YOLO11 改进 - C2PSA | C2PSA融合DiffAttention差分注意力轻量级差分计算实现高效特征降噪提升模型抗干扰能力YOLO11 改进 - C2PSA | C2PSA融合Mask Attention掩码注意力可学习掩码矩阵破解低分辨率特征提取难题 | 2025 预印YOLO11 改进 - C2PSA | C2PSA融合TSSA(Token Statistics Self-Attention)令牌统计自注意力优化遮挡目标感知YOLO11 改进 - C2PSA | C2PSA融合MFCA频率通道注意力(Multi-Frequency Channel Attention)解决小目标特征信息少、易被噪声干扰的问题YOLO11 改进 - C2PSA | C2PSA融合HEWL(高频增强小波层)小波逆变换双通道注意力增强高频显式增强 | TGRS 2026YOLO11 改进 - C2PSA | C2PSA融合WDAM小波方向性注意力模块用方向高频信息引导低频修复同时大幅降低计算量YOLO11 改进 - C2PSA | C2PSA融合SDTA单深度卷积转置注意力模块低冗余建模长程依赖、融合局部与全局表征助力边缘ViT高效提速省电 | ICIP 2026YOLO11 改进 - C2PSA | C2PSA融合Circulant Attention循环注意力模块助力视觉Transformer高分辨率场景提速涨点 | AAAI 2026YOLO11 改进 - C2PSA | C2PSA融合LCGA局部曲率引导注意力模块强化边缘连续性、抑制纹理干扰助力遥感超分辨率保结构提质 | TGRS 2026YOLO11 改进 - C2PSA | C2PSA融合CGTA曲率引导Token注意力模块筛选关键token、传播长程曲线结构助力遥感超分辨率全局保真提质 | TGRS 2026SPPF改进 YOLO11 改进 - SPPF模块 | 发论文神器LSKA注意力改进SPPF,增强多尺度特征提取能力高效涨点YOLO11 改进 - SPPF模块 | 替代SPPFFFocal Modulation焦点调制即插即用轻量设计优化全局语义捕获YOLO11 改进 - SPPF模块 | AIFI基于注意力的尺度内特征交互替代SPPF构建高效混合编码器提升模型综合效能YOLO11 改进 - SPPF模块 | SPPELAN 空间金字塔池化与增强局部注意力替代SPPF增强多尺度上下文捕获提升检测精度YOLO11 改进 - SPPF模块 | 替代SPPF, Mona多认知视觉适配器(CVPR 2025)打破全参数微调的性能枷锁即插即用的提点神器️即插即用模块 ️YOLO11 改进 - 即插即用 | RepViTBlock重参数化视觉Transformer块结构重参数化技术破解训练推理效率瓶颈实现精度与速度兼得YOLO11 改进 - 即插即用 | SMFA自调制特征聚合双分支协同破解特征冗余增强多尺度目标感知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YOLO11 改进 - 即插即用 | PST金字塔稀疏Transformer粗粒度到细粒度推理优化特征提取提升复杂场景适应性主干改进 YOLO11 改进 - 主干网络| EfficientRep一种旨在提高硬件效率的RepVGG风格卷积神经网络架构YOLO11 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YOLO11 改进 - 主干网络| MobileNetV4 移动网络第四版通用倒瓶颈与移动注意力协同优化硬件效率提升移动端检测适应性YOLO11 改进 - 主干网络| EfficientViT 高效视觉Transformer硬件感知架构平衡全局感受野与局部细节提升模型适应性YOLO11 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YOLO11 改进 - 主干网络| SwinTransformer 移位窗口层次化视觉变换器层次化特征提取增强多尺度目标感知优化复杂场景检测YOLO11 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YOLO11 改进 - 主干网络| RevCol可逆列网络轻量级多列设计破解特征信息丢失难题提升小目标与密集目标感知精度YOLO11 改进 - 主干网络| LSKNet大型选择性核网络大核深度卷积与空间选择机制协同动态调整感受野增强旋转目标检测YOLO11 改进 - 主干网络| RepViT重访移动端CNN的ViT视角轻量级设计分离Token与Channel混合器优化移动端实时检测 采样 YOLO11改进-上采样 | EUCB高效上卷积块实现特征图尺度匹配和高效上采样YOLO11 改进 -下采样 | 特征融合 NECK 优化CARAFE 轻量算子让 YOLO11 细节检测飙升YOLO11 改进 - 下采样 | 轻量化突破ADown 下采样让 YOLO11 参量减、精度升YOLO11 改进 - 采样 | ICCV 顶会技术WaveletPool 小波池化强化采样保留小目标细节YOLO11 改进 - 采样 | mAP 升 2%-7%DRFDSRFD 分阶下采样强化特征稳健性YOLO11 改进 - 采样 | 小目标分割救星HWD 降采样少丢细节提精度YOLO11 改进 -下采样 | DMSSP动态多尺度空间金字塔模块聚合多尺度上下文、强化高频边缘细节助力红外小目标分割精准涨点 | TGRS 2026✈️ NECK ✈️YOLO11改进-Neck | MAF模态感知融合模块分模态强化热目标与纹理细节、统一红外可见光特征表征助力图像融合兼顾视觉质量与语义一致性 | TCSVT 2026YOLO11改进-Neck | HAFFormer双向模态引导交叉注意力融合模块互补挖掘VIS/IR信息、自适应门控融合助力可见光-红外目标检测轻量涨点 | Pattern Recognition 2026YOLO11改进-Neck | FAAFusion傅里叶角度对齐融合模块校准跨层方向语义、缓解特征融合错位助力遥感旋转目标检测高精度涨点 | CVPR 2026✈️ 检测头 ✈️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✈️ 损失函数 ✈️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
