目标检测——YOLO11算法解读

作者:Ultralytics公司

代码:https://github.com/ultralytics/ultralytics


YOLO系列算法解读:
YOLOv1通俗易懂版解读SSD算法解读YOLOv2算法解读YOLOv3算法解读YOLOv4算法解读YOLOv5算法解读YOLOR算法解读YOLOX算法解读YOLOv6算法解读YOLOv7算法解读YOLOv8算法解读YOLOv9算法解读YOLOv10算法解读YOLO11算法解读

PP-YOLO系列算法解读:
PP-YOLO算法解读PP-YOLOv2算法解读PP-PicoDet算法解读PP-YOLOE算法解读PP-YOLOE-R算法解读


文章目录


1、算法概述

最近Ultralytics项目又更新,退出了YOLOv11,基于上一个版本YOLOv8变化不是很大。还是和YOLOv8一样,可参考工程readme里面参考文档(https://docs.ultralytics.com/models/yolo11/),该文档非常丰富,包含如何快速运行、训练、验证、预测及导出其他格式模型,还包含除检测任务的其他任务的扩展如:分割、分类和姿态估计,同时也包含YOLO系列其他模型的汇总介绍。相比YOLO之前其他版本,YOLO11推理速度更快,精度更高。如下图:

按照官方文档的介绍,YOLO11主要改进有如下几点:

  1. 增强特征提取能力,YOLO11采用改进的backbone和neck结构,增强了特征提取能力,以实现更高精确和更复杂的目标检测任务。具体有,backbone部分,将YOLOv8的C2f模块替换成了YOLO11的C3k2模块,在YOLOv8的SPPF模块后新增了C2PSA模块,这是一个由两个卷积层和一个多头自注意力模块组成的,用于增强特征提取能力。在检测头的分类分支中替换了两个常规卷积层为depthwise卷积,另外就是整个n/s/m/l/x系列模型的depth、width、max_channels的比例参数相对于YOLOv8进行了调整。
  2. 更高效且速度更快,因为整个结构的调整和训练流程的优化,使得模型推理速度更快。
  3. 更高的精度,但是参数量更少
  4. 和YOLOv8一样,YOLO11依然可以无缝衔接到实例分割、图像分类以及姿态估计任务,并且支持导出多种格式的模型,并且可以在CPU/GPU上运行。

2、YOLO11细节

YOLO11n网络结构如下所示,自己用PPT画的,有错误的地方,还请大家提示一下。

对比YOLO11和YOLOv8的yaml格式网络结构配置

可以看到网络规模n/s/m/l/x的深度、宽度和输出通道数配置比例有改变,层数增多了,但是参数量和flops却减少了。

2.1 YOLO11的C3k2结构

YOLO11中的C3k2结构如下图:

由子模块ConvModule和多个Bottleneck所组成,而Bottleneck又因是否用C3k模块而变化,当不用C3k模块时,Bottleneck和YOLOv8一样,而用C3k模块时,就是YOLO11改进的地方。

2.2 新增的C2PSA结构

另一个大的改进是在SPPF后面新增了C2PSA模块,其结构如下:

其中C2PSA模块的核心是PSABlock,这是一个带自注意力机制的模块,也就是transformer结构。新增这个模块可以增强backbone提取特征的能力。

相关推荐
思通数科AI全行业智能NLP系统3 小时前
AI视频技术赋能幼儿园安全——教师离岗报警系统的智慧守护
大数据·人工智能·安全·目标检测·目标跟踪·自然语言处理·ocr
知来者逆16 小时前
计算机视觉——对比YOLOv12、YOLOv11、和基于Darknet的YOLOv7的微调对比
深度学习·yolo·目标检测·计算机视觉·yolov7·yolov11·yolov12
COOCC117 小时前
探秘卷积神经网络:深度学习的图像识别利器
人工智能·深度学习·神经网络·目标检测·机器学习·cnn
知来者逆2 天前
计算机视觉——速度与精度的完美结合的实时目标检测算法RF-DETR详解
图像处理·人工智能·深度学习·算法·目标检测·计算机视觉·rf-detr
豆芽8192 天前
图解YOLO(You Only Look Once)目标检测(v1-v5)
人工智能·深度学习·学习·yolo·目标检测·计算机视觉
Eric.Lee20212 天前
数据集-目标检测系列- F35 战斗机 检测数据集 F35 plane >> DataBall
人工智能·算法·yolo·目标检测·计算机视觉
早睡早起吧2 天前
目标检测篇---Fast R-CNN
人工智能·目标检测·计算机视觉·cnn
早睡早起吧3 天前
目标检测篇---faster R-CNN
人工智能·python·目标检测·计算机视觉·cnn
COOCC13 天前
PyTorch 实战:Transformer 模型搭建全解析
人工智能·pytorch·python·深度学习·神经网络·目标检测·transformer
悠悠海风3 天前
目标检测中的损失函数(二) | BIoU RIoU α-IoU
人工智能·深度学习·目标检测