YOLOv11改进 | Neck篇 | YOLOv11引入Gold-YOLO

1. Gold-YOLO先容

1.1 择要： 在已往的几年中，YOLO 系列模子已成为及时目的检测范畴的领先方法。 很多研究通过修改架构、增长数据和筹划新的丧失，将基线提升到更高的程度。 然而，我们发现从前的模子仍旧存在信息融合题目，只管特性金字塔网络（FPN）和路径聚合网络（PANet）已经缓解了这个题目。 因此，本研究提供了一种先辈的Gatherand-Distribute机制（GD）机制，通过卷积和自注意力利用来实现。 这种新筹划的模子被定名为Gold-YOLO，它加强了多标准特性融合本领，并在全部模子标准上实现了延长和正确性之间的抱负平衡。 别的，我们初次在 YOLO 系列中实现了 MAE 式的预练习，使 YOLO 系列模子可以从无监督预练习中受益。 Gold-YOLO-N 在 COCO val2017 数据集上得到了精彩的 39.9% AP，在 T4 GPU 上得到了 1030 FPS，比之前具有雷同 FPS 的 SOTA 模子 YOLOv6-3.0-N 进步了 2.4%。
官方论文地点：https://arxiv.org/pdf/2309.11331
1.2 简单先容
       &n

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！qidao123.com:ToB企服之家，中国第一个企服评测及软件市场,开放入驻,技术点评得现金