yolov11POSE改进

### YOLOv11 Pose Estimation 改进与实现细节 #### 架构改进 YOLOv11 在姿态估计方面引入了显著的改进，特别是在网络结构上借鉴了 Transformer 的优势。通过集成空间和时间上的自注意力机制，模型能够更有效地捕捉人体关节间的复杂关系[^4]。 ```python class SpatialTemporalTransformer(nn.Module): def __init__(self, d_model=512, nhead=8, num_encoder_layers=6, num_decoder_layers=6, dim_feedforward=2048, dropout=0.1): super(SpatialTemporalTransformer, self).__init__() encoder_layer = nn.TransformerEncoderLayer(d_model=d_model, nhead=nhead, dim_feedforward=dim_feedforward, dropout=dropout) decoder_layer = nn.TransformerDecoderLayer(d_model=d_model, nhead=nhead, dim_feedforward=dim_feedforward, dropout=dropout) self.transformer = nn.Transformer( d_model=d_model, nhead=nhead, num_encoder_layers=num_encoder_layers, num_decoder_layers=num_decoder_layers, custom_encoder=nn.TransformerEncoder(encoder_layer, num_encoder_layers), custom_decoder=nn.TransformerDecoder(decoder_layer, num_decoder_layers)) def forward(self, src, tgt): output = self.transformer(src, tgt) return output ``` #### 训练策略优化 针对少样本微调阶段，采用了分阶段的学习率调整方案。具体来说，在基础类别训练期间采用较低的学习率 \(1 \times 10^{-4}\)，而在少量样本精调过程中，则先保持相同学习率再逐步降低至 \(1 \times 10^{-5}\)[^2]。 #### 鲁棒性验证 为了评估模型在不同场景下的表现，研究人员设计了一系列实验来检验其泛化能力。这些测试涵盖了多种布局配置，并记录下了详尽的结果用于分析比较[^3]。