YOLOv11最新创新改进系列多模态融合RGB红外线IR融合BoTNet模块ResNet的最后三个的卷积层替换成MHSA层融合CNN自然语言处理技术的优势提升检测效果购买相关资料后畅享一对一答疑畅享超多免费持续更新且可大幅度提升文章档次的纯干货工具自己排列组合2-4种后考虑位置不同后可排列组合上千万种专注AI学术关注B站博主Ai学术叫叫兽数据集准备我给大家配置了默认的M3FD.yaml,大家可以直接在代码中使用然后按照自己的数据进行简单的替换就行非常简单# Ultralytics YOLO , AGPL-3.0 license# M3FD dataset# Example usage: yolo train dataM3FD.yaml# Train/val/test sets as dir: path/to/imgspath:# dataset root dirtrain:images/train# train visible images (relative to path)train2:imagesTR/train# train infrared images (relative to path)val:images/val# val visible images (relative to path)val2:imagesIR/val# val infrared images (relative to path)test:# test images (optional)#image_weights: Truenc:6# Classesnames:0:People1:Car2:Bus3:Motorcycle4:Lamp5:Truck其中ImagesIR 为红外线图像Image为可见光RGB图像详细的改进教程以及源码戳这戳这戳这B站AI学术叫叫兽 源码在相簿的链接中动态中也有链接感谢支持祝科研遥遥领先改进一、 BoTNet简介论文地址https://arxiv.org/abs/2101.11605BoTNet是一种简单但功能强大的主干网络该架构将注意力模块纳入了包括图像分类目标检测实例分割等多种计算机视觉任务。通过仅将ResNet的最后三个的卷积层替换成MHSA层并不进行其他改变在墓边检测方面显著改善了极限同时减少了参数两从而使得延迟最小化。Transformer中的MHSA和BoTNet中的MHSA的区别归一化Transformer使用 Layer Normalization而BoTNet使用 Batch Normalization。非线性激活Transformer仅仅使用一个非线性激活在FPN block模块中BoTNet使用了3个非线性激活。输出投影Transformer中的MHSA包含一个输出投影BoTNet则没有。优化器Transformer使用Adam优化器训练BoTNet使用sgd momentum二、 改进教程2.1 修改YAML文件2.2 新建.py2.3 修改tasks.py三、验证是否成功即可执行命令python train.py改完收工关注B站AI学术叫叫兽从此走上科研快速路遥遥领先同行写在最后学术因方向、个人实验和写作能力以及具体创新内容的不同而无法做到一通百通关注UPAi学术叫叫兽在所有B站资料中留下联系方式以便在科研之余为家人们答疑解惑本up主获得过国奖发表多篇SCI擅长目标检测领域拥有多项竞赛经历拥有软件著作权核心期刊等经历。因为经历过所以更懂小白的痛苦因为经历过所以更具有指向性的指导祝所有科研工作者都能够在自己的领域上更上一层楼以下为给大家庭小伙伴们免费更新过的绘图代码均配有详细教程超小白也可一键操作! 后续更多提升文章档次的资料的更新请大家庭的小伙伴关注UPAi学术叫叫兽