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 - 主机乐

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

YOLOv11的模型配置文件在ultralytics/cfg/models/11中，里面包含目标检测、实例分割、图像分类、关键点/姿态估计以及旋转目标检测，本文以目标检测模型文件为例（其他文件完全一致），详细介绍一下YOLOv11模型文件中各参数的含义。

YOLOv11的目标检测文件yolo11.yaml中的内容如下：

代码语言：python

AI代码解释

复制

# Ultralytics YOLO ?, AGPL-3.0 license
# YOLO11 object detection model with P3-P5 outputs. For Usage examples see https://docs.ultralytics.com/tasks/detect

# Parameters
nc: 80 # number of classes
scales: # model compound scaling constants, i.e. 'model=yolo11n.yaml' will call yolo11.yaml with scale 'n'
  # [depth, width, max_channels]
  n: [0.50, 0.25, 1024] # summary: 319 layers, 2624080 parameters, 2624064 gradients, 6.6 GFLOPs
  s: [0.50, 0.50, 1024] # summary: 319 layers, 9458752 parameters, 9458736 gradients, 21.7 GFLOPs
  m: [0.50, 1.00, 512] # summary: 409 layers, 20114688 parameters, 20114672 gradients, 68.5 GFLOPs
  l: [1.00, 1.00, 512] # summary: 631 layers, 25372160 parameters, 25372144 gradients, 87.6 GFLOPs
  x: [1.00, 1.50, 512] # summary: 631 layers, 56966176 parameters, 56966160 gradients, 196.0 GFLOPs

# YOLO11n backbone
backbone:
  # [from, repeats, module, args]
  - [-1, 1, Conv, [64, 3, 2]] # 0-P1/2
  - [-1, 1, Conv, [128, 3, 2]] # 1-P2/4
  - [-1, 2, C3k2, [256, False, 0.25]]
  - [-1, 1, Conv, [256, 3, 2]] # 3-P3/8
  - [-1, 2, C3k2, [512, False, 0.25]]
  - [-1, 1, Conv, [512, 3, 2]] # 5-P4/16
  - [-1, 2, C3k2, [512, True]]
  - [-1, 1, Conv, [1024, 3, 2]] # 7-P5/32
  - [-1, 2, C3k2, [1024, True]]
  - [-1, 1, SPPF, [1024, 5]] # 9
  - [-1, 2, C2PSA, [1024]] # 10

# YOLO11n head
head:
  - [-1, 1, nn.Upsample, [None, 2, "nearest"]]
  - [[-1, 6], 1, Concat, [1]] # cat backbone P4
  - [-1, 2, C3k2, [512, False]] # 13

  - [-1, 1, nn.Upsample, [None, 2, "nearest"]]
  - [[-1, 4], 1, Concat, [1]] # cat backbone P3
  - [-1, 2, C3k2, [256, False]] # 16 (P3/8-small)

  - [-1, 1, Conv, [256, 3, 2]]
  - [[-1, 13], 1, Concat, [1]] # cat head P4
  - [-1, 2, C3k2, [512, False]] # 19 (P4/16-medium)

  - [-1, 1, Conv, [512, 3, 2]]
  - [[-1, 10], 1, Concat, [1]] # cat head P5
  - [-1, 2, C3k2, [1024, True]] # 22 (P5/32-large)

  - [[16, 19, 22], 1, Detect, [nc]] # Detect(P3, P4, P5)

以下是对给定 YOLOv11 模型 YAML 文件的详细解释：

# Ultralytics YOLO ?, AGPL-3.0 license：这是一个注释，表明该模型是由 Ultralytics 开发的，遵循 AGPL-3.0 许可证。

YOLO11 object detection model with P3-P5 outputs. For Usage examples see https://docs.ultralytics.com/tasks/detect：注释说明这是使用 P3 到 P5 的输出层目标检测的YOLOv11模型，并提供了使用示例的链接。

nc: 80：表示模型要检测的类别数量为 80。此处需要根据自己的数据集中的目标种类进行修改。

scales：这部分定义了不同规模的模型参数。

n: [0.50, 0.25, 1024]：代表 YOLOv11n 模型的参数。第一个值 0.50 表示深度系数，第二个值 0.25 表示宽度系数，第三个值 1024 表示最大通道数。同时在后面的注释中给出了该模型的一些统计信息，如层数、参数数量、梯度数量和计算量（GFLOPs）。
s: [0.50, 0.50, 1024]等其他规模的模型也类似解释。

在模型调用时，只需将文件名命名为yolov11n，即可调用n模型。调用其他模型只需要修改命名即可

backbone：定义了模型的骨干网络。

[from, repeats, module, args]：这是每个网络层的定义格式。from表示输入来自哪一层，repeats表示该模块重复的次数，module表示模块名称，args表示模块的参数。
- [-1, 1, Conv, [64, 3, 2]]：表示输入来自上一层（-1），该卷积层（Conv）重复一次，参数为输入通道数 64、卷积核大小 3、步长为 2，参数来自Conv模块的定义。后面的注释0-P1/2分表表示第0层，P1特征图，2倍下采样。

其他层的解释类似，如 C3k2 是新提出的模块，SPPF 是空间金字塔池化快速（Spatial Pyramid Pooling - Fast）模块。

head：定义了模型的头部结构。

- [-1, 1, nn.Upsample, [None, 2, "nearest"]]：表示使用最近邻插值上采样，参数分别为输入张量（None 表示根据输入自动确定）、上采样因子 2 和插值方法为“nearest”。
[[-1, 6], 1, Concat, [1]]：表示将当前层（-1）和第 6 层进行拼接（Concat），参数 1 表示在通道维度上进行拼接。
后面的 C3k2、Conv 和 Detect 等模块也类似解释，Detect 模块最后接收类别数量 nc，表示进行目标检测操作，接收 P3、P4、P5 三个不同尺度的特征图进行检测。