pick1

# 前言 本文介绍了ParNet注意力机制及其在YOLO26中的应用。ParNet注意力通过并...

前言 本文介绍了维度感知选择性融合（DASI）模块在YOLO26中的结合应用。DASI模块是HCF - Net用于红外小目标检测的关键组件，可实现自适应的通道选择和融合。它...

前言 本文介绍了一种在YOLO26目标检测模型中引入高效解码器模块EMCAD的创新方法，以提升模型在资源受限场景下的性能与效率。EMCAD由多个模块构成，其中核心的EUCB...

前言 本文介绍了可编程梯度信息（PGI）和通用高效层聚合网络（GELAN），以及SPPELAN模块在YOLO26中的结合应用。针对深度网络数据传输中的信息丢失问题，提出PG...

前言 本文介绍了Token Statistics Self-Attention（TSSA）机制，并将其集成到YOLO26中。传统自注意力计算复杂度高，TSSA进行了范式转变...

前言 本文介绍了多尺度线性注意力机制MSLA，并将其集成进YOLO26。现有基于CNN和Transformer的医学图像分割方法存在局限性，为解决这些问题，我们提出了MSL...

YOLO26 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...

前言 本文介绍Mamba YOLO，为图片物体识别提供了“又快又准”的新方案。传统CNN架构运行快但难以捕捉远距离关联物体，Transformer架构精度高但计算量呈平方级...

前言 本文介绍了Token Statistics Self-Attention（TSSA）机制，并将其集成到YOLOv11中。传统自注意力计算复杂度高，TSSA进行了范式转...

前言 本文提出部分注意力卷积（PATConv）机制，并将其集成到YOLOv11中。传统神经网络中，卷积计算密集，注意力机制全局计算冗余，此前的“部分卷积”会丢失未计算通道的...

前言 本文提出信息整合注意力（IIA）机制，并将其集成到YOLOv11中用于遥感图像语义分割。传统CNN难捕捉全局信息，Transformer计算复杂，现有基于Mamba的...

前言 本文提出了用于低分辨率图像分割的MaskAttn - UNet框架，并将其核心的掩码注意力机制集成到YOLOv11中。传统U - Net类模型难以捕捉全局关联，Tra...

前言 本文提出了用于低分辨率图像分割的MaskAttn - UNet框架，并将其核心的掩码注意力机制集成到YOLOv11中。传统U - Net类模型难以捕捉全局关联，Tra...

本文提出DiffCLIP，将差分注意力机制融入CLIP架构，通过计算互补注意力分布的差值，有效抑制噪声、增强关键特征。该方法在不显著增加计算成本的前提下，显著提升模型在图像...

本文提出收缩-广播自注意力（CBSA），通过选取代表性token进行收缩计算并广播结果，实现高效、可解释的线性复杂度注意力机制。其逻辑透明，统一多种注意力形式，并集成至YO...

必读指南 📖 | YOLOv11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、...