YOLOv11改进策略【Neck】| BiFPN：双向特征金字塔网络-跨尺度连接和加权特征融合
一、本文介绍
本文记录的是基于BiFPN结构的YOLOv11颈部网络改进方法研究。在YOLOv11的Neck颈部网络中使用的FPN+PAN的结构，但是FPN在融合不同输入特征时简单地将它们相加，没有区分不同特征的重要性；PAN虽然增加了额外的自底向上路径聚合网络，但参数和计算量较大。为了解决这些问题，本文将颈部结构换成BiFPN，利用多尺度特征融合网络，使模型既能考虑不同输入特征的重要性，又能提高模型效率。
文章目录
二、BiFPN介绍
EfficientDet： 可扩展的高效物体检测
BiFPN（加权双向特征金字塔网络）是该论文中提出的一种用于高效多尺度特征融合的网络结构，其设计原理和优势如下：
2.1、BiFPN原理
- 问题 formulation：多尺度特征融合的目标是聚合不同分辨率的特征，给定多尺度特征列表
原文地址：https://blog.csdn.net/qq_42591591/article/details/142961977
免责声明：本站文章内容转载自网络资源，如本站内容侵犯了原著者的合法权益，可联系本站删除。更多内容请关注自学内容网（zxcms.com）！