YOLOv11涨点改进 | 特征融合Neck改进篇 | CVPR 2025 | 引入FEFM和二次创新CFEM交叉融合增强模块，适合小目标检测、助力YOLOv11有效涨点-(全网独家创新首发)

YOLOv11引入FEFM与CFEM提升小目标检测

Ai缝合怪博士

于 2025-09-08 22:24:13 发布

阅读量112

点赞数 4

CC 4.0 BY-SA版权

分类专栏： YOLOv11全新有效创新改进+永久更新中文章标签：目标跟踪人工智能计算机视觉小目标检测 YOLO YOLOv11创新改进 CFEM交叉融合增强模块

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/qq_45972324/article/details/151333939

YOLOv11全新有效创新改进+永久更新中专栏收录该内容

91 篇文章 ¥259.90 ¥399.90

订阅专栏

一、本文介绍

本文介绍将 FEFM模块引入 YOLOv11 目标检测框架，可有效提升模型在复杂场景下的检测精度。FEFM 通过强化跨模态（如 RGB 与 NIR）间的共性特征并补充差异性高频纹理信息，使得特征表达更加丰富和鲁棒，尤其在低光、遮挡或噪声环境中表现更优。相比传统特征融合方法，FEFM 能帮助 YOLOv11 更精准地识别目标边缘与细节，从而提升小目标检测能力和整体检测性能。具体怎么使用请看全文！

专栏改进目录：YOLOv11改进专栏包含卷积、主干网络、各种注意力机制、检测头、损失函数、Neck改进、小目标检测、二次创新模块、C2PSA/C3k2二次创新改进、全网独家创新等创新点改进

全新YOLOv11-发论文改进专栏链接：全新YOLOv11创新改进高效涨点+永久更新中（至少500+改进）+高效跑实验发论文

目录

一、本文介绍

二、模块介绍

2.1 网络结构图

2.2 FEFM模块的作用

2.3 FEFM模块的优势

三、完整核心代码

四、手把手教你配置模块和修改task.py文件

1.首先在ultralytics/nn/newsAddmodules创建一个.py文件

2.在ultralytics/nn/newsAddmodules/__init__.py中引用

3.修改task.py文件

五、创建涨点yaml配置文件

🚀 创新改进1 : yolov11n_FEFM.yaml

🚀 创新改进2 : yolov11n_CFEM.yaml

🚀 创新改进3 : yolov11n_CFEM.yaml

了解本专栏

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。