YOLOv11改进策略【卷积层】| CGblock 内容引导网络 利用不同层次信息,提高多类别分类能力 (含二次创新)

简介: YOLOv11改进策略【卷积层】| CGblock 内容引导网络 利用不同层次信息,提高多类别分类能力 (含二次创新)

一、本文介绍

本文记录的是利用CGNet中的CG block模块优化YOLOv11的目标检测网络模型CG block通过局部特征提取器周围环境提取器联合特征提取器全局环境提取器来提取局部特征周围环境全局环境信息充分利用不同层次的信息。本文将其应用到v11中,并进行二次创新,使网络能够更好的处理多类别目标的分类能力。


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!

二、CGblock 介绍

CGNet: A Light-Weight Context Guided Network for Semantic Segmentation

2.1 设计出发点

  • 受到人类视觉系统依赖上下文信息理解场景的启发。例如人类视觉系统识别黄色区域时,如果只关注该区域本身很难识别,但结合其周围环境(红色区域)以及整个场景的全局环境(紫色区域)就更容易对黄色区域进行分类,
  • 所以设计CG block来充分利用局部特征、周围环境和全局环境以提高准确性。

2.2 原理

1️⃣ 首先通过局部特征提取器$floc()$和周围环境提取器$f_{sur }()$分别学习局部特征周围环境特征

2️⃣ 然后由联合特征提取器$f_{j o i}()$获得*联合特征

3️⃣ 最后利用全局环境提取器$folo()$提取*全局环境来改进联合特征

2.3 结构

  • 图(d)所示,CG block由以下部分组成:
    • 局部特征提取器$floc(*)$: 实例化为3×3标准卷积层,从8个相邻特征向量中学习局部特征,对应图(a)中的黄色区域。
    • 周围环境提取器$f_{sur }(*)$: 实例化为3×3空洞/扩张卷积层,因为空洞/扩张卷积有较大的感受野能有效学习周围环境,对应图(b)中的红色区域。
    • 联合特征提取器$f_{j o i}(*)$: 设计为一个连接层,后面跟着批量归一化(BN)参数化ReLU(PReLU)操作符,从$floc()$和$f_{sur }()$的输出中获取联合特征
    • 全局环境提取器$folo(*)$: 实例化为一个全局平均池化层来聚合对应图(c)中紫色区域的全局环境,后面跟着一个多层感知器进一步提取全局环境,最后通过一个尺度层用提取的全局环境对联合特征进行重新加权。

在这里插入图片描述

  • 此外,CG block还采用了两种残差连接
    • 局部残差学习(LRL):连接输入和联合特征提取器$f_{j o i}(*)$。
    • 全局残差学习(GRL):连接输入和全局特征提取器$folo()$,*GRL比LRL在促进网络信息流动方面能力更强。

2.4 优势

  • 有效利用多种信息:充分利用了局部特征周围环境全局环境,能更好地对物体进行分类,提高分割准确性。
  • 残差学习促进训练:采用残差学习有助于学习高度复杂的特征,并在训练过程中改善梯度反向传播
  • 合理的结构设计:各部分的实例化选择合理,如周围环境提取器采用空洞/扩张卷积层,全局环境提取器采用全局平均池化层和多层感知器的组合等。

论文:https://arxiv.org/pdf/1811.08201.pdf
源码:https://github.com/wutianyiRosun/CGNet

三、实现代码及YOLOv11修改步骤

模块完整介绍、个人总结、实现代码、模块改进、二次创新以及各模型添加步骤参考如下地址:

https://blog.csdn.net/qq_42591591/article/details/143432720

目录
相关文章
|
18天前
|
机器学习/深度学习 算法 调度
14种智能算法优化BP神经网络(14种方法)实现数据预测分类研究(Matlab代码实现)
14种智能算法优化BP神经网络(14种方法)实现数据预测分类研究(Matlab代码实现)
116 0
|
2月前
|
安全 KVM 虚拟化
Cisco Identity Services Engine (ISE) 3.4 - 基于身份的网络访问控制和策略实施系统
Cisco Identity Services Engine (ISE) 3.4 - 基于身份的网络访问控制和策略实施系统
105 2
Cisco Identity Services Engine (ISE) 3.4 - 基于身份的网络访问控制和策略实施系统
|
2月前
|
机器学习/深度学习 数据采集 运维
匹配网络处理不平衡数据集的6种优化策略:有效提升分类准确率
匹配网络是一种基于度量的元学习方法,通过计算查询样本与支持集样本的相似性实现分类。其核心依赖距离度量函数(如余弦相似度),并引入注意力机制对特征维度加权,提升对关键特征的关注能力,尤其在处理复杂或噪声数据时表现出更强的泛化性。
112 6
匹配网络处理不平衡数据集的6种优化策略:有效提升分类准确率
|
17天前
|
安全 网络性能优化 网络虚拟化
网络交换机分类与功能解析
接入交换机(ASW)连接终端设备,提供高密度端口与基础安全策略;二层交换机(LSW)基于MAC地址转发数据,构成局域网基础;汇聚交换机(DSW)聚合流量并实施VLAN路由、QoS等高级策略;核心交换机(CSW)作为网络骨干,具备高性能、高可靠性的高速转发能力;中间交换机(ISW)可指汇聚层设备或刀片服务器内交换模块。典型流量路径为:终端→ASW→DSW/ISW→CSW,分层架构提升网络扩展性与管理效率。(238字)
353 0
|
18天前
|
监控 安全 Devops
DevOps 流水线的网络安全盲区与防御策略
在软件研发中,DevOps流水线加速了开发与交付,但也带来严重安全风险。自动化节点和第三方集成成为攻击入口,凭证泄露、供应链渗透、配置错误和依赖混乱等问题频发。企业需构建全流程安全体系,嵌入自动化安全策略,强化访问控制与监控,提升全员安全意识,实现效率与安全的协同发展。
316 0
|
8月前
|
人工智能 安全 网络安全
网络安全领导者有效缓解团队倦怠的四步策略
网络安全领导者有效缓解团队倦怠的四步策略
|
3月前
|
存储 监控 算法
基于 Python 跳表算法的局域网网络监控软件动态数据索引优化策略研究
局域网网络监控软件需高效处理终端行为数据,跳表作为一种基于概率平衡的动态数据结构,具备高效的插入、删除与查询性能(平均时间复杂度为O(log n)),适用于高频数据写入和随机查询场景。本文深入解析跳表原理,探讨其在局域网监控中的适配性,并提供基于Python的完整实现方案,优化终端会话管理,提升系统响应性能。
84 4
|
5月前
|
存储 数据管理 网络虚拟化
特殊网络类型分类
本文介绍了网络技术中的关键概念,包括虚拟局域网(VLAN)、存储区域网络(SAN)、网络桥接、接入网以及按拓扑结构和交换方式分类的网络类型。VLAN通过逻辑分隔提高性能与安全性;SAN提供高性能的数据存储解决方案;网络桥接实现不同网络间的互联互通;接入网解决“最后一千米”的连接问题。此外,文章详细对比了总线型、星型、树型、环型和网状型等网络拓扑结构的特点,并分析了电路交换、报文交换和分组交换的优缺点,为网络设计与应用提供了全面参考。
164 8
|
8月前
|
机器学习/深度学习 计算机视觉
RT-DETR改进策略【Neck】| ECCV-2024 RCM 矩形自校准模块 优化颈部网络
RT-DETR改进策略【Neck】| ECCV-2024 RCM 矩形自校准模块 优化颈部网络
276 10
RT-DETR改进策略【Neck】| ECCV-2024 RCM 矩形自校准模块 优化颈部网络
|
10月前
|
SQL 安全 网络安全
网络安全与信息安全:知识分享####
【10月更文挑战第21天】 随着数字化时代的快速发展,网络安全和信息安全已成为个人和企业不可忽视的关键问题。本文将探讨网络安全漏洞、加密技术以及安全意识的重要性,并提供一些实用的建议,帮助读者提高自身的网络安全防护能力。 ####
226 17

热门文章

最新文章