pick1

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的方法未充分考虑局部信息。II

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，Transformer类模型计算量

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，Transformer类模型计算量

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-文本理解、零样本分类与检索

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YOLOv11的C3k2模块，在

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、注意力机制等核心模块。 每种方法

【YOLOv11改进 - 注意力机制】EMA（Efficient Multi-Scale Attention）：基于跨空间学习的高效多尺度注意力

YOLOv11目标检测创新改进与实战案例专栏 @[TOC] 介绍 摘要 带有大卷积核注意力（LKA）模块的视觉注意网络（VAN）在一系列基于视觉的任务上表现出色，超越了视觉Transformer（Vi

YOLOv10专栏介绍了一种用于精确分割管状结构的新方法DSCNet，它结合了动态蛇形卷积、多视角融合和拓扑连续性约束损失。DSConv创新地聚焦细长局部结构，增强管状特征感知，而多视角融合和TCLo