一、本文介绍
本文记录的是利用CGNet中的CG block模块优化YOLOv11的目标检测网络模型。CG block通过局部特征提取器、周围环境提取器、联合特征提取器和全局环境提取器来提取局部特征、周围环境和全局环境信息，充分利用不同层次的信息。本文将其应用到v11中，并进行二次创新，使网络能够更好的处理多类别目标的分类能力。
专栏目录：YOLOv11改进目录一览 | 涉及卷积层、轻量化、注意力、损失函数、Backbone、SPPF、Neck、检测头等全方位改进
专栏地址：YOLOv11改进专栏——以发表论文的角度，快速准确的找到有效涨点的创新点！
文章目录
- 一、本文介绍
- 二、CGblock 介绍
- 2.1 设计出发点
- 2.2 原理
- 2.3 结构
- 2.4 优势
- 三、CGblock的实现代码
- 四、创新模块
- 4.1 改进点1⭐
- 4.2 改进点2⭐
- 五、添加步骤
- 5.1 修改一
- 5.2 修改二
- 5
)
和torch.tensor()区别)
