YOLO11改进：Block涨点系列篇 | 极简的神经网络模型模块VanillaBlock | 华为诺亚2023

会AI的学姐

于 2024-10-23 15:37:58 发布

阅读量104

点赞数

CC 4.0 BY-SA版权

分类专栏： YOLO11创新改进文章标签：前端 javascript html 人工智能算法

本文链接：https://blog.csdn.net/CV_20231007/article/details/143185890

YOLO11创新改进专栏收录该内容

55 篇文章 ¥99.90 ¥299.90

订阅专栏

🚀🚀🚀本文改进：VanillaBlock保持轻量级的同时能够小幅涨点，与YOLO11输出层结合

🚀🚀🚀VanillaBlock轻量级涨点必备

🚀🚀🚀计算量参数量比较，6.4 GFLOPs降低至5.5 GFLOPs

YOLO11 summary: 319 layers, 2,591,010 parameters, 2,590,994 gradients, 6.4 GFLOPs
YOLO11-VanillaBlock summary: 349 layers, 2,788,578 parameters, 2,788,562 gradients, 5.5 GFLOPs

☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️ ☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️☁️

包含注意力机制魔改、卷积魔改、检测头创新、损失&IOU优化、block优化&多层特征融合、轻量级网络设计、24年最新顶会改进思路、原创自研paper级创新等

了解本专栏