YOLO11改进 | 注意力机制 | 在主干网络中添加SOCA模块【原理+附完备代码】

秋招口试专栏保举 ：深度学习算法工程师口试标题总结【百面算法工程师】——点击即可跳转

<hr>

本专栏全部步伐均颠末测试，可乐成实行

<hr> 本文先容了一个二阶注意力网络（SAN），用于更强盛的特性表达和特性干系性学习。具体来说，就是开发了一个新颖的可练习的二阶通道注意力（SOCA）模块，通过使用二阶特性统计自顺应地重新缩放逐通道特性，以得到更具辨识力的表征。在本文中，给各人带来的教程是在原来的主干网络添加SOCA模块。文章在先容重要的原理后，将手把手教学怎样举行模块的代码添加和修改，并将修改后的完备代码放在文章的末了，方便各人一键运行，小白也可轻松上手实践。以资助您更好地学习深度学习目的检测YOLO系列的寻衅。
   专栏地点：YOLO11入门 + 改进涨点——点击即可跳转 欢迎订阅
  目次
1.论文
2. SOCA代码实现
2.1 将SOCA添加到YOLO11代码中
2.2 更改init.py文件
2.3 添加yaml文件
2.4 在task.py中举行注册
2.5 实行步伐
3.修改后的网络结构图
4. 完备代码分享
5. GFLOPs
6. 进阶
7.总结
<hr> 1.论文

   官方论文：Second-order Attention Network for Single Image Super-Resolution——点击即可跳转
  官方代码：官方代码堆栈——点击即可跳转
  2. SOCA代码实现