YOLOv11改进策略【注意力机制篇】| CVPRW-2024 分层互补注意力混合层 H-RAMi 针对低质量图像的特征提取模块
一、本文介绍
本文记录的是利用H-RAMi模块优化YOLOv11的目标检测网络模型。H-RAMi结合了对来自分层编码器阶段的多尺度注意力的处理能力和对语义信息的利用能力，有效地补偿了因下采样特征导致的像素级信息损失。本文将其应用到v11中，并进行二次创新，使网络能够在处理具有复杂结构或丰富语义信息的图像时，提升对不同尺度和不同内容的图像区域的恢复能力。
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！
文章目录
- 一、本文介绍
- 二、H-RAMi 介绍
- 2.1 设计出发点
- 2.2 原理
- 2.3 结构
- 2.4 优势
- 三、HRAMi的实现代码
- 四、创新模块
- 4.1 改进点1⭐
- 4.2 改进点2⭐
- 五、添加步骤
- 5.1 修改一
- 5.2 修改二
- 5.3 修改三