YOLOv11改进策略【Neck】| 适用关键点检测：PSFM，深层语义融合模块 引入深层与浅层交叉注意力机制，动态建模不同层级的全局语义依赖关系

已于 2025-09-04 18:17:37 修改
阅读量143 收藏
点赞数 4
CC 4.0 BY-SA版权
分类专栏： YOLOv11改进专栏 文章标签： YOLO 深度学习 计算机视觉 关键点检测
于 2025-09-04 18:10:40 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_42591591/article/details/151191436

一、本文介绍

本文记录的是利用PSFM 模块改进 YOLOv11 的颈部融合部分，专门用于关键点检测。

PSFM模块（Profound Semantic Fusion Module，深层语义融合模块） 通过在特征提取网络的深层引入跨模态交叉注意力机制，动态建模红外与可见光特征的全局语义依赖关系。本文将其应用到YOLOv11的颈部部分，融合深层与浅层特征，捕捉长距离语义关联，增强融合特征的判别性与场景理解能力，为检测头提供包含全局上下文的高层语义表示，从而提升模型在复杂场景下的目标检测准确率与语义推理鲁棒性。

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

了解本专栏 订阅专栏 解锁全文
YOLOv11改进策略【Neck】| PSFM，深层语义融合模块 引入深层与浅层交叉注意力机制，动态建模不同层级的全局语义依赖关系
Limiiiing的博客
06-30 308
本文记录的是利用PSFM 模块改进 YOLOv11 的颈部融合部分。PSFM模块（Profound Semantic Fusion Module，深层语义融合模块） 通过在特征提取网络的深层引入跨模态交叉注意力机制，动态建模红外与可见光特征的全局语义依赖关系。本文将其应用到的颈部部分，融合深层与浅层特征，捕捉长距离语义关联，增强融合特征的判别性与场景理解能力，为检测头提供包含全局上下文的高层语义表示，从而提升模型在复杂场景下的目标检测准确率与语义推理鲁棒性。Rethinking the necessity
YOLOv8改进策略【Neck】| PSFM，深层语义融合模块 引入深层与浅层交叉注意力机制，动态建模不同层级的全局语义依赖关系
Limiiiing的博客
07-01 92
本文记录的是利用PSFM 模块改进 YOLOv8 的颈部融合部分。PSFM模块（Profound Semantic Fusion Module，深层语义融合模块） 通过在特征提取网络的深层引入跨模态交叉注意力机制，动态建模红外与可见光特征的全局语义依赖关系。本文将其应用到的颈部部分，融合深层与浅层特征，捕捉长距离语义关联，增强融合特征的判别性与场景理解能力，为检测头提供包含全局上下文的高层语义表示，从而提升模型在复杂场景下的目标检测准确率与语义推理鲁棒性。Rethinking the necessity o
YOLOv12改进策略【Neck】| PSFM，深层语义融合模块 引入深层与浅层交叉注意力机制，动态建模不同层级的全局语义依赖关系
Limiiiing的博客
07-10 625
本文记录的是利用PSFM 模块改进 YOLOv12 的颈部融合部分。PSFM模块（Profound Semantic Fusion Module，深层语义融合模块） 通过在特征提取网络的深层引入跨模态交叉注意力机制，动态建模红外与可见光特征的全局语义依赖关系。本文将其应用到的颈部部分，融合深层与浅层特征，捕捉长距离语义关联，增强融合特征的判别性与场景理解能力，为检测头提供包含全局上下文的高层语义表示，从而提升模型在复杂场景下的目标检测准确率与语义推理鲁棒性。Rethinking the necessity
YOLOv10改进策略【Neck】| PSFM，深层语义融合模块 引入深层与浅层交叉注意力机制，动态建模不同层级的全局语义依赖关系
Limiiiing的博客
07-02 48
本文记录的是利用PSFM 模块改进 YOLOv10 的颈部融合部分。PSFM模块（Profound Semantic Fusion Module，深层语义融合模块） 通过在特征提取网络的深层引入跨模态交叉注意力机制，动态建模红外与可见光特征的全局语义依赖关系。本文将其应用到的颈部部分，融合深层与浅层特征，捕捉长距离语义关联，增强融合特征的判别性与场景理解能力，为检测头提供包含全局上下文的高层语义表示，从而提升模型在复杂场景下的目标检测准确率与语义推理鲁棒性。Rethinking the necessity
RT-DETR改进策略【Neck】| PSFM，深层语义融合模块 引入深层与浅层交叉注意力机制，动态建模不同层级的全局语义依赖关系
Limiiiing的博客
07-08 343
本文记录的是利用PSFM 模块改进 RT-DETR 的颈部融合部分。PSFM模块（Profound Semantic Fusion Module，深层语义融合模块） 通过在特征提取网络的深层引入跨模态交叉注意力机制，动态建模红外与可见光特征的全局语义依赖关系。本文将其应用到的颈部部分，融合深层与浅层特征，捕捉长距离语义关联，增强融合特征的判别性与场景理解能力，为检测头提供包含全局上下文的高层语义表示，从而提升模型在复杂场景下的目标检测准确率与语义推理鲁棒性。Rethinking the necessity
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
热门推荐
Limiiiing的博客
10-11 3万+
如今各种网络模型更新迭代越来越快，计算机视觉相关的文章也越来越多，多到一些普通，通用的改进点无法达到发表的要求。本专栏正是解决这个问题！如何寻找创新点？为什么要使用这个模块？如何才能提升模型的精度？这是贯穿我们研究始终的问题。创新点在这个专栏中我已经整理好了，这已经省去了大部分时间，但是当我们使用这些新的模块去优化已有的模型，如何才能提升模型的精度，才是我们要达到的最终目标。当然我们可以使用传统的A+B+C的方法去堆积模块，然后是进行大量的实验去排列组合以实现最终的精度提升，这无可厚非。
YOLOv8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
Limiiiing的博客
12-24 6997
1️⃣本专栏已更新150多种不同的改进方法，所使用并改进的每一个模块均包含详细的模块分析、原理讲解、个人总结、多种改进方式以及完整的修改流程，所有改进100%可直接运行。2️⃣所有改进点均为近三年顶会，顶刊提出的先进算法，将其融入到中，紧跟学术热点，适应不同的任务场景。3️⃣团队内发表数篇SCI论文，熟悉完整的发表流程，订阅专栏即可进群享受模型训练、模型改进、论文写作、投稿选刊，从入门到论文的各种答疑内容。4️⃣专栏内容会持续更新，最近更新时间：2024-12-24。项目介绍在大家购买专栏后，加入学
YOLOv12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
Limiiiing的博客
03-10 1万+
1️⃣ 什么！不知道如何改进模型⁉️ 本专栏所使用并改进的每一个模块均包含详细的模块分析、原理讲解、个人总结、多种改进方式以及完整的修改流程，所有改进100%可直接运行，性价比极高。2️⃣ 找不到合适的模块⁉️ 所有改进点均为近三年顶会，顶刊提出的先进算法，将其融入到中，并进行二次创新，新颖度高，创新度高，能够适应不同的任务场景。3️⃣ 不确定自己改进的步骤、结果是否正确⁉️ 订阅专栏即可进群享受模型训练、模型改进、论文写作、投稿选刊，从入门到论文的各种答疑内容，非常适合新手。4️⃣ 团队内发表数篇SCI论
YOLOv10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
Limiiiing的博客
10-11 7773
如何寻找创新点？为什么要使用这个模块？如何才能提升模型的精度？这是贯穿我们研究始终的问题。创新点在这个专栏中我已经整理好了，这已经省去了大部分时间，但是当我们使用这些新的模块去优化已有的模型，如何才能提升模型的精度，才是我们要达到的最终目标。当然我们可以使用传统的A+B+C的方法去堆积模块，然后是进行大量的实验去排列组合以实现最终的精度提升，这无可厚非。
【完整源码+数据集+部署教程】云与太阳检测系统源码和数据集：改进yolo11-convnextv2
weixin_43860634的博客
09-02 645
【完整源码+数据集+部署教程】云与太阳检测系统源码和数据集：改进yolo11-convnextv2
Jetson Orin Super YOLO 虚拟环境配置
weixin_43719763的博客
09-02 782
jetson orin super开发套件YOLO虚拟环境搭建的基本方法与相关问题解决思路。
【完整源码+数据集+部署教程】粘土石实例分割系统源码和数据集：改进yolo11-LVMB
weixin_43860634的博客
09-02 640
【完整源码+数据集+部署教程】粘土石实例分割系统源码和数据集：改进yolo11-LVMB
【完整源码+数据集+部署教程】胚胎发育阶段检测系统源码和数据集：改进yolo11-SCConv
weixin_43860634的博客
08-29 2410
【完整源码+数据集+部署教程】胚胎发育阶段检测系统源码和数据集：改进yolo11-SCConv
基于YOLO11深度学习的桥梁缆索吊索缺陷检测系统【Python源码+Pyqt5界面+数据集+安装使用教程+训练代码】【附下载链接】
m0_37302966的博客
09-01 666
基于YOLO11深度学习的桥梁缆索吊索缺陷检测系统(带GUI界面)（Python源码+Pyqt5界面+1249张标注好的数据集+安装使用教程+训练好的模型+评估指标曲线+演示图片视频），开箱即用
基于YOLO11深度学习的植物叶片及缺陷检测系统【Python源码+Pyqt5界面+数据集+安装使用教程+训练代码】【附下载链接】
m0_37302966的博客
09-01 986
基于YOLO11深度学习的植物叶片及缺陷检测系统【Python源码+Pyqt5界面+数据集+安装使用教程+训练代码】【附下载链接】
YOLOv8--一些小样本数据增强方法
weixin_45679938的博客
09-01 1098
水平翻转、垂直翻转、随机旋转、随机亮度调整、随机对比度调整、随机饱和度调整、随机灰度化、随机噪声添加、天气增强（云雾、亮度、对比度、饱和度等组合）、运动模糊增强、雾气增强、雨天增强、雪天增强。：场景无明确上下属性时（如卫星图像、水下拍摄），慎用于人像（翻转后不符合自然视角）。：大多数无方向属性的目标（如车辆、水果），避免用于文字、时钟等有固定方向的目标。：户外场景检测（如交通监控、无人机巡检），增强模型对雾天目标的识别能力。：增强模型对倾斜目标的识别能力（如货架上歪放的商品、倾斜停放的车辆）。
英伟达Jetson Orin NX-YOLOv8n图像分类模型耗时分析
最新发布
weixin_45679938的博客
09-02 376
测试结果具有不稳定性，但多次测试平均推理耗时偏差不超过1ms，结果数据仅作初步参考。：热启动后，随机裁剪某图上大小32-300像素的框，推理128次求平均。：FP16、INT8（无）：25W、MAX功率。
RK3588部署YOLOv8分割
weixin_51988935的博客
09-01 971
其他参数，source指定要预测的图片路径或者视频等等，imgsz指定图像尺寸等等，更多参数具体参考下：https://docs.ultralytics.com/usage/cfg/# 模型保存在对应目录下（../runs/segment/train/weights/best.onnx），为了便于识别，可以重新命名为yolov8n-seg.onnx。导出的onnx模型，还需要通过toolkit2转换成rknn模型，这里简单编译下模型转换程序将onnx模型转换成rknn模型。
RK3588智能视觉多接口底板，索尼LVDS + 艾睿红外 + 激光测距
perceptive558的博客
08-31 430
【RK3588 多光谱 AI 底板 | 50×60×11mm】\n索尼LVDS机芯 + 艾睿红外 + 激光测距 + 多路RS422 + 千兆网\n内置YOLOv5检测 & KCF跟踪，支持接口定制/原理图&PCB/源码转让。可见光+红外+测距一体融合，适配云台/双光/安防/无人平台。需要资料或高清图私信～\n(配图：正反面/接口/应用示意)
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Limiiiing

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值