YOLOv11改进策略【Head】| 结合CVPR-2024 中的DynamicConv 动态卷积 改进检测头, 优化模型（独家改进）

一、本文介绍

本文记录的是利用DynamicConv优化YOLOv11的目标检测网络模型。 在大规模训练中，模型的参数量越多，FLOPs也越高，但在一些对计算资源有限制的场景下，需要低FLOPs的模型同时又希望模型能从大规模预训练中受益。传统的方法很难在增加参数的同时保持低FLOPs，因此Dynamic convolution模块应运而生。本文详细介绍了Dynamic convolution模块的运行原理，并将其加入到检测头中进行二次创新。

专栏目录：YOLOv11改进目录一览 | 涉及卷积层、轻量化、注意力、损失函数、Backbone、SPPF、Neck、检测头等全方位改进

专栏地址：YOLOv11改进专栏——以发表论文的角度，快速准确的找到有效涨点的创新点！

文章目录

• 一、本文介绍
• 二、动态卷积介绍
• • 2.1 设计出发点
  • 2.2 原理
  • 2.3 结构
• 三、Detect_dyhead的实现代码
• 四、创新模块
• • 4.1 改进点1⭐
• 五、添加步骤
• • 5.1 修改一
  • 5.2 修改二