👑 YOLOv11有效涨点专栏目录 👑
专栏视频介绍：包括专栏介绍、得到的项目文件、模型二次创新、权重文件的使用问题，点击即可跳转。
前言
Hello，各位读者们好.
- 本文为YOLOv11有效涨点专栏目录，YOLOv11以及发布了一个月左右，这个过程中我也是给大家整理了许多的机制，其中包含了C3k2、C2PSA、主干（均支持根据yolov11训练的版本进行二次缩放，全系列都能轻量化）、检测头、注意力机制、Neck多种结构上创新，也有损失函数和一些细节点上的创新 | C3k2和C2PSA以及检测头是YOLOv11和YOLOv8的主要区别也是本专栏主要改进方向。
- 同时本人一些讲解视频（YOLOv11有专属的视频）和包含我所有创新的YOLOv11文档并不能在CSDN上传(所有的创新点都经过我的测试是可用的，得到该文件之后大家可以随意组合使用)，所以会建立群的形式在内上传我的文件和视频我也会在群内不定期和大家交流回答大家问题，同时定期会更新一些文章的创新点。
专栏介绍
- 本专栏持续更新网络上的所有前沿文章，也包含过去的所有改进机制(大家有感兴趣的机制都可以私聊我我会给大家更新).
- 专栏会一直持续更新，每周更新3-10篇创新机制，持续复现最新的文章内容，订阅了本专栏之后，寻找和创新的工作我来，解放大家的70%的时间。
- 对于很多想买YOLOv11有效涨点专栏的读者但是在观望的读者，我的YOLOv8专栏（和YOLOv8和YOLOv11相同作者）订阅量已经1700+了，阅读量破110w+，持续占据专栏热销榜第一，可以说是全网最受欢迎的YOLO系列改进专栏了，同时本人粉丝数7W+，在此基础上，YOLOv11有效涨点专栏我相信可以帮助到大家，真正的持续更新各种前沿顶会机制（我的专栏里的机制大家可以各种论文平台看到读者利用我发的机制产生的论文）。
目前专栏改进机制：126种（全网最全）| 质量分96（全网最高）| 最新更新时间2024/11/9 | 更新6篇
👑专栏限时前77名特价159（名额最后二十个）👑
购买专栏之后（可获得的服务和文件）：完整项目文件，所有文章内容均可观看，视频讲解，同时享受订阅答疑群聊大家互相讨论，分享经验，购买专栏可开发票！
下面是大家购买专栏进群内能够获得的文件部分文件截图(CSDN上提供完整文件的本专栏为独一份)，这些代码我已经全部配置好并注册在模型内大家只需要运行yaml文件即可，同时我总结了接近200+份的yaml文件组合供大家使用，同时大家也可以自己进行组合(群内有我的录制的讲解视频，教大家如何去修改和融合模型，所以不怕学不会不会融合模型），估计组合起来共有上千种，总有一种适合你的数据集，让大家成功写出论文。
拥有这个文件YOLOv11你就可以一网打尽，文件均已注册完毕，只许动手点击运行yaml文件即可，非常适合小白。
本专栏平均质量分96（非恶意控分），在CSDN改进机制大于100种以上的专栏为独一份，充分说明本专栏的质量。
本专栏的改进内容适用于YOLOv8的检测、分类、分割、追踪、关键点、OBB、World检测。
💡欢迎大家订阅我的专栏一起学习YOLO💡
👑YOLOv11有效涨点专栏目录👑
项目环境如下
- 解释器：Python：3.9.7
- 框架：Pytorch：1.12.1
- 系统：Windows11
- IDEA：Pycharm
👑试读篇👑
- (一)：YOLOv11 | 一文带你深入理解ultralytics最新作品yolov11的创新 | 训练、推理、验证、导出 （附网络结构图）
- (二)：YOLOv11改进 | Conv篇 | AKConv轻量级架构下的高效检测（附代码 + 修改方法 + 二次创新）
- (三)：YOLOv11改进 | 网络结构代码逐行解析(一) | 项目目录构造分析
- (四)：YOLOv11性能评估指标 AP、mAP、Precision、Recall、FPS、IoU、混淆矩阵、F1等YOLO相关参数指标讲解
👑基础篇👑
- (一)：YOLOv11 | 一文带你深入理解ultralytics最新作品yolov11的创新 | 训练、推理、验证、导出 （附网络结构图）
- (二)：训练YOLOv11 | Pytorch和Pycharm的安装教程适用W11系统（附详细的系统变量添加过程）
- (三)：汇总利用YOLO11训练遇到的报错和解决方案（包含训练过程中验证阶段报错、精度报错、损失为Nan、不打印GFLOPs）
👑入门篇👑
（此篇内容为专为小白打造五篇文章共8w余字全部为我个人总结！ ）
- (一)：YOLOv11改进 | 网络结构代码逐行解析(一) | 项目目录构造分析
- (二)：YOLOv11改进 | 网络结构代码逐行解析(二) | yolov11中的Mosaic增强详解
- (三)：YOLOv11改进 | 网络结构代码逐行解析(三) | 从yaml文件到网络结构解析到模型定义
- (四)：YOLOv11改进 | 网络结构代码逐行解析(四) | 手把手带你理解YOLOv11检测头输出到损失函数计算
- (五)：YOLOv11改进 | 网络结构代码逐行解析(五) | yolov11中损失函数计算的详解包含Cls和Bbox计算的解析
👑论文写作篇👑
- (一)：YOLOv11改进 | 可视化热力图 | 支持自定义模型、置信度选择等功能(论文必备)
- (二)：YOLOv11改进 | 利用训练好权重文件计算YOLOv11的FPS、推理每张图片的平均时间（科研必备）
- (三)：YOLOv11性能评估指标 AP、mAP、Precision、Recall、FPS、IoU、混淆矩阵、F1等YOLO相关参数指标讲解
👑数据集篇👑
- (一)：超详细教程YoloV11官方推荐免费数据集网站Roboflow一键导出Voc、COCO、Yolo、Csv等格式
- (二)：YOLOv11官方推荐免费数据集网站Roboflow数据增强教程
- (三)：YOLOv11官方推荐免费数据集网站Roboflow数据预处理教程
👑主干/backbone篇👑
（全部均支持根据YOLOv11N、S、M、L、X的版本进行二次缩放，全系列可轻量化，全网独家创新缩放机制）
- (一)：YOLOv11改进 | 主干/Backbone篇 | 轻量级移动端网络ShuffleNetV1（附代码+修改教程）
- (二)：YOLOv11改进 | 主干/Backbone篇 | 轻量级移动端网络ShuffleNetV2（附代码+修改教程）
- (三)：YOLOv11改进 | 主干/Backbone篇 | RevColV1可逆列目标检测网络（特征解耦助力小目标检测）
- (四)：YOLOv11改进 | 主干/Backbone篇 | 视觉变换器SwinTransformer目标检测网络（ 适配yolov11全系列模型）
- (五)：YOLOv11改进 | 主干/Backbone篇 | 利用RT-DETR主干网络PPHGNetV2助力yolov11有效涨点（轻量化目标检测网络）
- (六)：YOLOv11改进 | 主干/Backbone篇 | 轻量化目标检测网络MobileViTv1改进yolov11有效涨点
- (七)：YOLOv11改进 | 主干/Backbone篇 | 轻量化目标检测网络MobileViTv2改进yolov11助力轻量化模型
- (八)：YOLOv11改进 | 主干/Backbone篇 | 华为移动端目标检测模型Ghostnetv1改进yolov11特征提取网络
- (九)：YOLOv11改进 | 主干/Backbone篇 | 华为移动端目标检测模型Ghostnetv2改进特征提取网络
- (十)：YOLOv11改进 | 主干/Backbone篇 | 利用目标检测移动端网络MobileNetV1替换Backbone（支持v11n、v11s、v11m）
- (十一)：YOLOv11改进 | 主干/Backbone篇 | 利用目标检测轻量化网络MobileNetV2替换Backbone（yolov11系列全系轻量化）
- (十二)：YOLOv11改进 | 主干/Backbone篇 | 利用轻量化目标检测网络MobileNetV3替换Backbone（yolov11全系列轻量化）
- (十三)：YOLOv11改进 | 主干/Backbone篇 | 2024最新目标检测网络MobileNetV4改进YOLOv11（支持yolov11全系列轻量化）
- (十四)：YOLOv11改进 | 主干/Backbone篇 | 反向残差块目标检测网络EMO一种轻量级的CNN架构（支持yolov11全系列轻量化）
- (十五)：YOLOv11改进 | 主干/Backbone篇 | 目标检测网络FasterNeT轻量化网络助力yolov11改进（提高FPS和检测效率）
- (十六)：YOLOv11改进 | 主干/Backbone篇 | 最新的LSKNet遥感目标检测网络主干 (可根据yolov11版本自行放缩通道数独家创新)
- (十七)：YOLOv11改进 | 主干/Backbone篇 | 轻量化ConvNeXtV2全卷积掩码自编码器目标检测网络（适配yolov11全系列）
- (十八)：YOLOv11改进 | 主干/Backbone篇 | 华为最新目标检测网络VanillaNet（适配yolov11的N、S、M、L、X）
- (十九)：YOLOv11改进 | 主干/Backbone篇 | RepViT从视觉变换器的视角重新审视CNN的目标检测网络（适配yolov11全系列）
- (二十)：YOLOv11改进 | 主干/Backbone篇 | CSWinTransformer交叉形窗口目标检测网络（适配yolov11全系列版本）
- (二十一)：YOLOv11改进 | 主干/Backbone篇 | 大核心卷积UniRepLknet目标检测网络（适配yolov11全系列轻量化）
- (二十二)：YOLOv11改进 | 主干/Backboen篇 | 目标检测网络最新成果TransNeXt特征提取网络（yolov11全系列可用轻量化）
- (二十三)：YOLOv11改进 | 主干/Backbone篇 | EfficientNetV1均衡缩放网络改进特征提取层 （适配yolov11全系列轻量化）
- (二十四)：YOLOv11改进 | 主干/Backbone篇 | EfficientNetV2均衡缩放网络改进yolov11特征提取（适配yolov11全系列轻量化）
- (二十五)：YOLOv11改进 | 主干/Backbone篇 | 利用轻量化卷积优化PP-HGNetV2改进主干（轻量化版本，全网独家创新）
👑Conv/卷积篇👑
- (一)：YOLOv11改进 | Conv/卷积篇 | 2024最新ECCV最新大感受野的小波卷积WTConv助力YOLOv11有效涨点
- (二)：YOLOv11改进 | Conv/卷积篇 | 全维度动态卷积ODConv卷积二次创新C3k2助力YOLOv11有效涨点
- (三)：YOLOv11改进 | Conv/卷积篇 | CVPR2024最新DynamicConv替换下采样（解决低FLOPs陷阱，含二次创新C3k2机制）
- (四)：YOLOv11改进 | Conv/卷积篇 | 2024全新的SOTA轻量化下采样操作ADown（参数量下降百分之二十，附手撕结构图）
- (五)：YOLOv11改进 | Conv/卷积篇 | 2024利用 Haar 小波的下采样HWD替换传统下采样（改变YOLO传统的Conv下采样）
- (六)：YOLOv11改进 | Conv/卷积篇 | RCS-OSA结合C3k2助力YOLOv11有效张点（全网独家创新）
- (七)：YOLOv11改进 | Conv/卷积篇 | SAConv可切换空洞卷积二次创新C3k2，替换传统下采样Conv
- (八)：YOLOv11改进 | Conv/卷积篇 | SPD-Conv空间深度转换卷积改进yolov11（高效空间编码技术SPDConv）
- (九)：YOLOv11改进 | Conv/卷积篇 | DWRSeg扩张式残差助力小目标检测 （附创新修改后的C3k2DWRSeg）
- (十)：YOLOv11改进 | Conv/卷积篇 | 利用CVPR2024-DynamicConv的GhostModule辅助C3k2进行特征融合（全网独家首发）
- (十一)：YOLOv11改进 | Conv/卷积篇 | 添加RFAConv重塑空间注意力助力yolov11有效涨点（深度学习的前沿突破）
- (十二)：YOLOv11改进 | Conv/卷积篇 | 添加SCConv空间和通道重构卷积二次创新C3k2（辅助yolov11进行特征提取）
- (十三)：YOLOv11改进 | Conv/卷积篇 | 2024最新轻量化自适应提取模块LAE助力边缘设备部署计算（全网独家首发）
- (十四)：YOLOv11改进 | Conv/卷积篇 | 利用YOLO-MS的MSBlock轻量化网络结构（含二次创新C3k2）
- (十五)：YOLOv11改进 | Conv/卷积篇 | 利用FasterBlock二次创新C3k2提出一种全新的结构（全网独家首发）
- (十六)：YOLOv11改进 | Conv/卷积篇 | 轻量级下采样方法ContextGuided（二次创新C3k2, 助力多尺度特征融合）
- (十七)：YOLOv11改进 | Conv/卷积篇 | AKConv轻量级架构下的高效检测（附代码 + 修改方法 + 二次创新）
- (十八)：YOLOv11改进 | Conv/卷积篇 |手把手教你添加动态蛇形卷积Dynamic Snake Convolution （辅助C3k2进行特征提取）
- (十九)：YOLOv11改进 | Conv/卷积篇 | 重参数化多元分支模块DiverseBranchBlock二次创新C3k2（重参数化模块高效推理）
- (二十)：YOLOv11改进 | Conv/卷积篇 | 在线重参数化卷积OREPA助力二次创新yolov11的C3k2机制（提高推理速度 + FPS）
- (二十一)：YOLOv11改进 | Conv/卷积篇 | 利用2024最新Mamba的MLLABLock二次创新C3k2（全网独家首发）
- (二十二)：YOLOv11改进 | Conv/卷积篇 | 利用DualConv二次创新C3k2提出一种轻量化结构（全网独家首发创新）
- (二十三)：YOLOv11改进 | Conv/卷积篇 | 利用轻量化PartialConv提出一种全新的结构C3k2CSPPC (全网独家创新改进)
- (二十四)：YOLOv11改进 | Conv/卷积篇 | 结合Dual思想利用HetConv创新一种全新轻量化结构CSPHet
- (二十五)：YOLOv11改进 | Conv/卷积篇 | 2024最新YOLOv9的GELAN模块替换C3k2（附轻量化版本 + 高效涨点版本）
- (二十六)：YOLOv11改进 | Conv/卷积篇 | 2024.1月最新成果可变形卷积DCNv4（适用检测、Seg、分类、Pose、OBB）
- (二十七)：YOLOv11改进 | Conv/卷积篇 | 2024最新ECCV大感受野的小波卷积WTConv助力YOLOv11有效涨点（二次创新C3k2）
- (二十八)：YOLOv11改进 | Conv/卷积篇 | 2024最新深度可分卷积与多尺度卷积结合的模块MSCB二次创新C3k2（全网独家首发）
- (二十九)：YOLOv11改进 | Conv/卷积篇 | 2024最新超分辨率特征提取模块MAB创新C3k2助力yolov11有效涨点（全网独家创新）
👑注意力机制篇👑
- (一)：YOLOv11改进 | 添加注意力机制篇 | 添加YOLO-Face提出的SEAM注意力机制优化物体遮挡检测（附二次创新C2PSA机制）
- (二)：YOLOv11改进 | 添加注意力机制篇 | 添加LSKAttention大核注意力机制助力极限涨点（含二次创新C2PSA机制）
- (三)：YOLOv11改进 | 添加注意力机制篇 | 混合局部通道注意力MLCA二次创新C2PSA机制助力YOLOv11有效涨点
- (四)：YOLOv11改进 | 添加注意力机制篇 | 可变形大核注意力Deformable-LKA二次创新C2PSA机制助力yolov11改进
- (五)：YOLOv11改进 | 添加注意力机制篇 | 添加EMAttention注意力机制（附二次创新C2PSA机制）
- (六)：YOLOv11改进 | 添加注意力机制篇 | 添加MSDA多尺度空洞注意力（全新的YOLOv11改进策略，二次创新C2PSA机制）
- (七)：YOLOv11改进 | 添加注意力机制篇 | 利用SENetV1改进网络结构 (ILSVRC冠军得主) (附二次创新C2PSASENet)
- (八)：YOLOv11改进 | 添加注意力机制篇 | 适合多种检测场景的BiFormer注意力机制优化yolov11的C2PSA机制（附修改教程）
- (九)：YOLOv11改进 | 添加注意力机制篇 | 添加DAttention (DAT)注意力机制二次创新C2PSA（Best Paper）
- (十)：YOLOv11改进 | 添加注意力机制篇 | 添加FocusedLinearAttention助力yolov11实现有效涨点（含二次创新C2PSA机制）
- (十一)：YOLOv11改进 | 添加注意力机制篇 | 添加iRMB倒置残差块注意力机制（轻量化注意力机制）
- (十二)：YOLOv11改进 | 添加注意力机制篇 | 添加TripletAttention三重注意力机制（附代码+机制原理+添加教程）
- (十三)：YOLOv11改进 | 添加注意力机制篇 | 利用SENetV2改进网络结构 (全网独家改进，含二次创新C2PSA、SPPF)
- (十四)：YOLOv11改进 | 添加注意力机制篇 | 一文带你改进GAM、CBAM、CA、ECA等通道注意力机制和多头注意力机制
- (十五)：YOLOv11改进 | 添加注意力机制篇 | ACmix自注意力与卷积混合模型改善模型特征识别效率（包含二次创新C2PSA机制）
- (十六)：YOLOv11改进 | 添加注意力机制篇 | 结合2024最新Mamba注意力机制MLLA二次创新C2PSA（全网独家首发改进）
- (十七)：YOLOv11改进 | 添加注意力机制篇 | 实现级联群体注意力机制CGAttention改进C2PSA机制 (全网独家首发)
- (十八)：YOLOv11改进 | 添加注意力机制篇 | 2024最新空间和通道协同注意力SCSA改进yolov11（含二次创新C2PSA机制）
- (十九)：YOLOv11改进 | 添加注意力机制篇 | 2024最新适用于遥感目标检测的注意力机制CAA二次创新C2PSA机制（独家首发）
- (二十)：YOLOv11改进 | 添加注意力机制篇 | 结合iRMB和EMA形成全新的iEMA机制（全网独家创新，教你如何二次创新）
👑Neck篇👑
- (一)：YOLOv11改进 | Neck篇 | 轻量化跨尺度跨通道融合颈部CCFM助力YOLOv11有效涨点
- (二)：YOLOv11改进 | Neck篇 | 双向特征金字塔网络BiFPN助力YOLOv11有效涨点
- (三)：YOLOv11改进 | Neck篇 | Slim-Neck替换特征融合层实现超级涨点 (又轻量又涨点, 含二次创新)
- (四)：YOLOv11改进 | Neck篇 | 利用Damo-YOLO的RepGFPN改进特征融合网络结构（含独家整理版本）
- (五)：YOLOv11改进 | Neck篇 | 给yolov11分别增加小目标检测层P2和大目标检测层P6
👑SPPF篇👑
- (一)：YOLOv11改进 | SPPF篇 | FocalModulation替换SPPF（精度更高的空间金字塔池化）
- (二)：YOLOv11改进 | SPPF篇 | 2024最新AIFI模块改进特征金字塔网络（Transformer和YOLO的结合）
👑损失函数篇👑
- (一)：YOLOv11改进 | 损失函数改进篇 | EIoU、SIoU、WIoU、DIoU、FocusIoU等二十余种损失函数
- (二)：YOLOv11改进 | 损失函数改进篇 | InnerIoU、InnerSIoU、InnerWIoU、FocusIoU等损失函数
- (三)：YOLOv11改进 | 损失函数改进篇 | SlideLoss、FocalLoss、VFLoss分类损失函数助力细节涨点(全网最全)
- (四)：YOLOv11改进 | 损失函数改进篇 | MPDIoU、InnerMPDIoU助力细节涨点（二次创新 + 代码解析）
- (五)：YOLOv11改进 | 损失函数改进篇 | 更加聚焦的边界框损失Focaler-IoU、InnerFocalerIoU（二次创新，解决样本不平衡问题）
- (六)：YOLOv11改进 | 损失函数改进篇 | QualityFocalLoss质量焦点损失（含代码 + 详细修改教程）
- (七)：YOLOv11改进 | 损失函数改进篇 | 最新ShapeIoU、InnerShapeIoU损失助力细节涨点（含三十余种损失函数改进方法）
- (八)：YOLOv11改进 | 损失函数改进篇 | 2024最新高质量的目标检测损失Unified-IoU、FocalUIoU（设置动态epoch参数）
👑细节涨点篇👑
- (一)：YOLOv11改进 | 细节涨点篇 | 文本感知CARAFE提高精度的上采样方法（助力细节长点）
- (二)：YOLOv11改进 | 细节涨点篇 | DySample一种最新的轻量化动态上采样算子（效果完爆CARAFE）
- (三)：YOLOv11改进 | 细节涨点篇 | UNetv2提出的一种多层次特征融合模块SDI助力yolov11有效涨点
- (四)：YOLOv11改进 | 细节涨点篇 | 2024最新高效上采样模块EUCB助力yolov11有效涨点（全网独家创新）
👑检测头篇👑
- (一)：YOLOv11改进 | 检测头篇 | 辅助特征融合模块ASFF改进yolov11检测头（适配YOLOv11版本，全网独家创新）
- (二)：YOLOv11改进 | 检测头篇 | 利用AFPN辅助YOLOv11检测头进行特征融合识别（全网独家创新）
- (三)：YOLOv11改进 | 检测头篇 | 利用AFPN改进yolov11检测头融合P2网络结构(让小目标无所遁形，全网独家首发)
- (四)：YOLOv11改进 | 检测头篇 | 尺度统一动态检测头DynamicHead改进yolov11检测头（不同于网上版本，全网独家首发）
- (五)：YOLOv11改进 | 检测头篇 | 可变形卷积DCNv3 升级动态尺度统一检测头DynamicHead(全网独家首发)
- (六)：YOLOv11改进 | 检测头篇 | 辅助特征融合检测头FASFFHead添加小目标检测头 (让小目标无所遁形、全网独家创新)
- (七)：YOLOv11改进 | 检测头篇 | 利用动态蛇形卷积DySnakeConv改进yolov11分割检测头（全网独家首发，Segment）
👑独家创新篇👑
（专栏里百分之六十以上都是我独家创新的内容，内容太多不在这里过多的重复粘贴）
- (一)：YOLOv11改进 | 独家创新篇 | 利用轻量化PartialConv提出一种全新的结构C3k2CSPPC (全网独家创新改进)
- (二)：YOLOv11改进 | 独家创新篇 | 结合Dual思想利用HetConv创新一种全新轻量化结构CSPHet（轻量化网络结构必备）
- (三)：YOLOv11改进 | 独家创新篇 | 辅助特征融合模块ASFF改进yolov11检测头（适配YOLOv11版本，全网独家创新）
- (四)：YOLOv11改进 | 独家创新篇 | 可变形卷积DCNv3 升级动态尺度统一检测头DynamicHead(全网独家首发)
- (五)：YOLOv11改进 | 独家创新篇 | 结合iRMB和EMA形成全新的iEMA机制（全网独家创新，教你如何二次创新）
👑融合改进篇👑
- (一)：YOLOv11改进 | 融合改进篇 | 利用尺度统一检测头DynamicHead融合P2增加小目标检测层（让小目标无所遁形）
- (二)：YOLOv11改进 | 融合改进篇 | 辅助特征融合检测头FASFFHead添加小目标检测头 (让小目标无所遁形、全网独家创新)
👑特殊场景检测篇👑
- (一)：YOLOv11改进 | 特殊场景改进篇 | 单阶段盲真实图像去噪网络RIDNet辅助YOLOv11图像去噪（全网独家首发）
- (二)：YOLOv11改进 | 特殊场景改进篇 | 利用图像去雾网络AOD-PONO-Net网络增改进图像物体检测
- (三)：YOLOv11改进 | 特殊场景检测篇 | 低照度增强网络PE-YOLO改进主干（改进暗光条件下的物体检测）
- (四)：YOLOv11改进 | 特殊场景改进篇 | 特征融合注意网络FFA-Net改进yolov11对于模糊图片检测能力（北大和北航联合提出）
- (五)：YOLOv11改进 | 特殊场景检测篇 | 最新低照度增强网络Retinexformer改进黑夜目标检测 （全网独家首发）
- (六)：YOLOv11改进 | 特殊场景改进篇 | MB-TaylorFormer改善YOLOv11高分辨率和图像去雾检测（ICCV，全网独家首发改进）
- (七)：YOLOv11改进 | 特殊场景改进篇 | 2024最新改进CPA-Enhancer链式思考网络（适用低照度、图像去雾、雨天、雪天）
- (八)：YOLOv11改进 | 特殊场景检测篇 | 轻量级的低照度图像增强网络IAT改进yolov11暗光检测（全网独家首发改进）
- (九)：YOLOv11改进 | 特殊场景检测篇 | 利用图像去雾网络UnfogNet改进yolov11图像雾天检测能力（全网独家首发改进）
- (十)：YOLOv11改进 | 特殊场景检测篇 | 低照度图像增强网络SCINet改进黑暗目标检测（全网独家首发）
- (十一)：YOLOv11改进 | 特殊场景改进篇 | 一种基于注意力机制的图像去噪网络ADNet融合yolov11（全网独家首发改进）
- (十二)：YOLOv11改进 | 特殊场景检测篇 | 适用多种复杂场景的全能图像修复网络AirNet助力yolov11检测（全网独家首发）
👑模型剪枝👑
即将推出~
👑模型蒸馏👑
即将推出~