前言
本文介绍了金字塔稀疏 Transformer(PST)与 YOLOv11 的结合。主流基于注意力的特征融合方法计算复杂度高、实现难度大,作者提出 PST 模块,融合粗到细令牌选择与共享注意力参数机制,在保留空间细节的同时降低计算量。该模块通过层级化注意力机制、动态令牌选择与参数共享,实现高效多尺度特征融合
文章目录: YOLOv11改进大全:卷积层、轻量化、注意力机制、损失函数、Backbone、SPPF、Neck、检测头全方位优化汇总
专栏链接: YOLOv11改进专栏
介绍

摘要
特征融合对于高性能视觉模型至关重要,但往往会带来难以承受的复杂度。然而,主流的基于注意力的融合方法通常存在显著的计算复杂度和实现难度,这限制了它们在资源
订阅专栏 解锁全文
919



被折叠的 条评论
为什么被折叠?



