pick1

# 前言 本文介绍了可变形大核注意力（D-LKA Attention）及其在YOLOv11中的结合。D-LKA Attention是一种简化的注意力机制，采用大卷积核利用体...

# 前言 本文介绍了将双坐标注意力特征提取（DCAFE）模块与YOLOv11相结合的方法。DCAFE模块采用“并行坐标注意力+双池化融合”设计，通过平均池化和最大池化并行支...

# 前言 本文介绍了Deformable Attention Transformer（DAT）及其在YOLOv11中的结合应用。DAT是一种用于图像分类和密集预测任务的通用...

# 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意力，通过多尺度深度可分离卷积模块，有效提取空间关系并...

# 前言 本文介绍了Contextual Transformer（CoT）块及其在YOLOv11中的结合应用。大多数现有Transformer风格架构设计未充分利用邻近键之...

# 前言 本文介绍了Coordinate Attention（坐标注意力）机制及其在YOLOv11中的结合应用。坐标注意力机制将位置信息嵌入通道注意力，通过坐标信息嵌入和坐...

# 前言 本文介绍了CONTAINER（上下文聚合网络）及其在YOLOv11中的结合应用。CONTAINER是一个多头上下文聚合的通用构建模块，提供了统一视角，将CNNs、...

# 前言 本文介绍了内容引导注意力融合模块（CGAFusion）在YOLOv11中的结合应用。CGAFusion由通道注意力、空间注意力和特征融合组成，通过生成通道特定的空...

# 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，通过依次在通道和空间维度推断注意力图，自适应优化输入特征...

# 前言 本文介绍了EfficientViT模型中的Cascaded Group Attention（CGA）模块及其在YOLOv11中的应用。CGA受组卷积启发，通过为不...

# 前言 本文介绍了用于高光谱图像去噪的HCANet模型及其在YOLOv11中的结合应用。HCANet结合了卷积神经网络和Transformer的优势，通过设计卷积和注意力...

# 前言 本文介绍了PKINet中的上下文锚点注意力模块（CAA）及其在YOLOv11中的应用。CAA模块旨在解决遥感图像目标检测中远程上下文信息不足的问题，通过局部特征提...

# 前言 本文介绍了将自注意力和卷积技术相结合的ACmix模型及其在YOLOv11中的结合应用。研究发现自注意力和卷积存在强烈基础关系，大部分计算使用相同操作，且第一阶段计...

# 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检测头充分利用了GroupNorm和共享卷积的优...

# 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...

# 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识、空间意识和任务意识三种机制，在不...

# 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，T...

# 前言 本文介绍了大型选择性核网络（LSKNet）及其在YOLOv11中的结合应用。LSKNet考虑遥感场景先验知识，能够动态调整大空间接收场，以模拟各种对象的范围上下文...

# 前言 本文介绍了大可分卷积核注意力（LSKA）模块及其在YOLOv11中的结合应用。带有大卷积核注意力（LKA）模块的视觉注意网络（VAN）在深度卷积层使用大卷积核时，...