YOLO11改进|SPPF篇|引入FocalModulation特征金字塔

目录

• • 一、【FocalModulation】特征金字塔
  • • 1.1【FocalModulation】特征金字塔介绍
    • 1.2【FocalModulation】核心代码
  • 二、添加【FocalModulation】特征金字塔
  • • 2.1STEP1
    • 2.2STEP2
    • 2.3STEP3
    • 2.4STEP4
  • 三、yaml文件与运行
  • • 3.1yaml文件
    • 3.2运行成功截图

一、【FocalModulation】特征金字塔

1.1【FocalModulation】特征金字塔介绍

下图是【FocalModulation】的结构图，让我们简单分析一下运行过程和优势

处理过程：

• 分层上下文化处理（Hierarchical Contextualization）：
• 输入首先通过一个线性变换进入到分层上下文化模块。图中展示了三层上下文处理，每一层提取不同尺度或不同抽象层次的特征信息。
• 每一层的处理可以理解为对输入进行进一步的特征抽象，类似于深度卷积网络中的不同卷积层逐步提取高阶特征。通过这些层次，模型能够捕捉到更多元化和上下文相关的特征。
• 门控聚合（Gated Aggregation）：
• 分层处理后的特征通过门控单元进行聚合。每一层提取的特征会通过一个门控单元，该单元决定了该层特征在最终输出中的重要性。
• 每个门控单元可以根据特定的上下文信息调整不同层次特征的权重，有选择性地融合多层次的信息。门控机制允许模型在特征融合时更加灵活，适应不同场景的需求。
• 轻量线性变换：
• 在聚合后的特征上，进一步使用轻量级的线性变换对聚合后的特征进行压缩或调优。此操作能确保最终输出
  标签：dim,FocalModulation,SPPF,nn,self,ctx,YOLO11,focal
  From： https://blog.csdn.net/A1983Z/article/details/142869842