学习资源站

YOLOv11改进-Conv篇-RCS-OSA结合C3k2助力YOLOv11有效张点（全网独家创新）

一、本文介绍

本文给大家带来的改进机制是 RCS-YOLO 提出的 RCS-OSA 模块，其全称是"Reduced Channel Spatial Object Attention"，意即"减少通道的空间对象 注意力 "。这个模块的主要功能是通过减少特征图的通道数量，同时关注空间维度上的重要特征，来提高 模型 的处理效率和检测精度。 亲测在小目标检测和大尺度目标检测的数据集上都有大幅度的涨点效果(mAP直接涨了大概有0.06左右 ) 。 同时本文对RCS-OSA模块的框架原理进行了详细的分析，不光让大家会添加到自己的模型在写论文的时候也能够有一定的参照，最后本文会手把手教你添加RCS-OSA，以及C3k2-RepVGG模块到网络结构中。

二、RCS-OSA模块原理

论文地址： 官方论文地址

代码地址： 官方代码地址

2.1 RCS-OSA的基本原理

RCSOSA（RCS-One-Shot Aggregation） 是 RCS-YOLO中提出的一种结构 ，我们可以将主要原理概括如下：

1. RCS（Reparameterized Convolution based on channel Shuffle） : 结合了通道混洗，通过重参数化卷积来增强网络的特征提取能力。

2. RCS模块: 在训练阶段，利用多分支结构学习丰富的特征表示；在推理阶段，通过结构化重参数化简化为单一分支，减少内存消耗。

3. OSA（One-Shot Aggregation）: 一次性聚合多个特征级联，减少网络计算负担，提高计算效率。

4. 特征级联: RCS-OSA模块通过堆叠RCS，确保特征的复用并加强不同层之间的信息流动。

2.2 RCS

RCS（ 基于通道Shuffle的重参数化卷积 ）是 RCS-YOLO的核心组成部分 ，旨在训练阶段通过多分支结构学习丰富的特征信息，并在推理阶段通过简化为单分支结构来减少内存消耗，实现快速推理。此外，RCS利用 通道分割和通道Shuffle操作 来降低计算复杂性，同时保持通道间的信息交换，这样在推理阶段相比普通的3×3卷积可以减少一半的计算复杂度。通过结构重参数化，RCS能够在训练阶段从输入特征中学习深层表示，并在推理阶段实现快速推理，同时减少内存消耗。

2.3 RCS模块

RCS（ 基于通道Shuffle的重参数化卷积 ）模块中，结构在 训练阶段 使用多个分支，包括1x1和3x3的卷积，以及一个直接的连接（Identity），用于学习丰富的特征表示。在 推理阶段 ，结构被重参数化成一个单一的3x3卷积，以减少计算复杂性和内存消耗，同时保持训练阶段学到的特征表达能力。这与RCS的设计理念紧密相连，即在不牺牲性能的情况下提高计算效率。

上图为大家展示了RCS的结构，分为 训练阶段（a部分） 和 推理阶段（b部分 ） 。在训练阶段，输入通过通道分割，一部分输入经过RepVGG块，另一部分保持不变。然后通过1x1卷积和3x3卷积处理RepVGG块的输出，与另一部分输入进行通道Shuffle和连接。在推理阶段，原来的多分支结构被简化为一个单一的3x3 RepConv块。这种设计允许在训练时学习复杂特征，在推理时减少计算复杂度。黑色边框的矩形代表特定的模块操作，渐变色的矩形代表张量的特定特征，矩形的宽度代表张量的通道数。

2.4 OSA

OSA（One-Shot Aggregation）是一个关键的模块，旨在 提高网络在处理密集连接时的效率 。OSA模块通过表示具有多个感受野的多样化特征，并在最后的特征映射中仅聚合一次所有特征，从而克服了DenseNet中密集连接的低效率问题。

OSA模块的使用有两个主要目的：

1. 提高特征表示的多样性： OSA通过聚合具有不同感受野的特征来增加网络对于不同尺度的敏感性，这有助于提升模型对不同大小目标的检测能力。

2. 提高效率： 通过在网络的最后一部分只进行一次特征聚合，OSA减少了重复的特征计算和存储需求，从而提高了网络的计算和能源效率。

在RCS-YOLO中，OSA模块被进一步与 RCS（基于通道Shuffle的重参数化卷积） 相结合，形成RCS-OSA模块。这种结合不仅保持了低成本的内存消耗，而且还实现了语义信息的有效提取，对于构建轻量级和大规模的对象检测器尤为重要。

下面我将为大家展示RCS-OSA（One-Shot Aggregation of RCS）的结构。

在RCS-OSA模块中，输入被分为 两部分 ，一部分直接通过，另一部分通过堆叠的RCS模块进行处理。处理后的特征和直接通过的特征在 通道混洗（Channel Shuffle） 后合并。这种结构设计用于增强模型的特征提取和利用效率，是RCS-YOLO架构中的一个关键组成部分旨在通过一次性聚合来提高模型处理特征的能力，同时保持计算效率。

2.5 特征级联

特征级联（feature cascade） 是一种技术，通过在网络的 一次性聚合（one-shot aggregate） 路径上维持有限数量的特征级联来实现的。在RCS-YOLO中，特别是在RCS-OSA（RCS-Based One-Shot Aggregation）模块中，只保留了三个特征级联。

特征级联的目的是 为了减轻网络计算负担并降低内存占用 。这种方法可以有效地聚合不同层次的特征，提高模型的语义信息提取能力，同时避免了过度复杂化网络结构所带来的低效率和高资源消耗。

下面为大家提供的图像展示的是 RCS-YOLO的整体架构 ， 其中包括RCS-OSA模块。RCS-OSA在模型中用于堆叠RCS模块，以确保特征的复用并加强不同层之间的信息流动。图中显示的多层RCS-OSA模块的排列和组合反映了它们如何一起工作以优化特征传递和提高检测性能。

总结： RCS-YOLO主要由RCS-OSA（蓝色模块）和RepVGG（橙色模块）构成。这里的n代表堆叠RCS模块的数量。n_cls代表检测到的对象中的类别数量。图中的IDetect是从YOLOv7中借鉴过来的，表示使用二维 卷积神经网络 的检测层。这个架构通过堆叠的RCS模块和RepVGG模块，以及两种类型的检测层，实现了对象检测的任务。

三、RCS-OSA核心代码

核心代码使用方式看章节四，包含二次创新C3k2，和RCSOSA. 

  1. import torch.nn as nn
  2. import torch
  3. import torch.nn.functional as F
  4. import numpy as np
  5. import math
  7. __all__ = ['C3k2_RepVGG', 'RCSOSA']
  9. # build RepVGG block
  10. # -----------------------------
  11. def conv_bn(in_channels, out_channels, kernel_size, stride, padding, groups=1):
  12.     result = nn.Sequential()
  13.     result.add_module('conv', nn.Conv2d(in_channels=in_channels, out_channels=out_channels,
  14.                                         kernel_size=kernel_size, stride=stride, padding=padding, groups=groups,
  15.                                         bias=False))
  16.     result.add_module('bn', nn.BatchNorm2d(num_features=out_channels))
  18.     return result
  20. class SEBlock(nn.Module):
  21.     def __init__(self, input_channels):
  22.         super(SEBlock, self).__init__()
  23.         internal_neurons = input_channels // 8
  24.         self.down = nn.Conv2d(in_channels=input_channels, out_channels=internal_neurons, kernel_size=1, stride=1,
  25.                               bias=True)
  26.         self.up = nn.Conv2d(in_channels=internal_neurons, out_channels=input_channels, kernel_size=1, stride=1,
  27.                             bias=True)
  28.         self.input_channels = input_channels
  30.     def forward(self, inputs):
  31.         x = F.avg_pool2d(inputs, kernel_size=inputs.size(3))
  32.         x = self.down(x)
  33.         x = F.relu(x)
  34.         x = self.up(x)
  35.         x = torch.sigmoid(x)
  36.         x = x.view(-1, self.input_channels, 1, 1)
  37.         return inputs * x
  39. class RepVGG(nn.Module):
  41.     def __init__(self, in_channels, out_channels, kernel_size=3,
  42.                  stride=1, padding=1, dilation=1, groups=1, padding_mode='zeros', deploy=False, use_se=False):
  43.         super(RepVGG, self).__init__()
  44.         self.deploy = deploy
  45.         self.groups = groups
  46.         self.in_channels = in_channels
  48.         padding_11 = padding - kernel_size // 2
  50.         self.nonlinearity = nn.SiLU()
  51.         # self.nonlinearity = nn.ReLU()
  53.         if use_se:
  54.             self.se = SEBlock(out_channels, internal_neurons=out_channels // 16)
  55.         else:
  56.             self.se = nn.Identity()
  58.         if deploy:
  59.             self.rbr_reparam = nn.Conv2d(in_channels=in_channels, out_channels=out_channels, kernel_size=kernel_size,
  60.                                          stride=stride,
  61.                                          padding=padding, dilation=dilation, groups=groups, bias=True,
  62.                                          padding_mode=padding_mode)
  64.         else:
  65.             self.rbr_identity = nn.BatchNorm2d(
  66.                 num_features=in_channels) if out_channels == in_channels and stride == 1 else None
  67.             self.rbr_dense = conv_bn(in_channels=in_channels, out_channels=out_channels, kernel_size=kernel_size,
  68.                                      stride=stride, padding=padding, groups=groups)
  69.             self.rbr_1x1 = conv_bn(in_channels=in_channels, out_channels=out_channels, kernel_size=1, stride=stride,
  70.                                    padding=padding_11, groups=groups)
  71.             # print('RepVGG Block, identity = ', self.rbr_identity)
  73.     def get_equivalent_kernel_bias(self):
  74.         kernel3x3, bias3x3 = self._fuse_bn_tensor(self.rbr_dense)
  75.         kernel1x1, bias1x1 = self._fuse_bn_tensor(self.rbr_1x1)
  76.         kernelid, biasid = self._fuse_bn_tensor(self.rbr_identity)
  77.         return kernel3x3 + self._pad_1x1_to_3x3_tensor(kernel1x1) + kernelid, bias3x3 + bias1x1 + biasid
  79.     def _pad_1x1_to_3x3_tensor(self, kernel1x1):
  80.         if kernel1x1 is None:
  81.             return 0
  82.         else:
  83.             return torch.nn.functional.pad(kernel1x1, [1, 1, 1, 1])
  85.     def _fuse_bn_tensor(self, branch):
  86.         if branch is None:
  87.             return 0, 0
  88.         if isinstance(branch, nn.Sequential):
  89.             kernel = branch.conv.weight
  90.             running_mean = branch.bn.running_mean
  91.             running_var = branch.bn.running_var
  92.             gamma = branch.bn.weight
  93.             beta = branch.bn.bias
  94.             eps = branch.bn.eps
  95.         else:
  96.             assert isinstance(branch, nn.BatchNorm2d)
  97.             if not hasattr(self, 'id_tensor'):
  98.                 input_dim = self.in_channels // self.groups
  99.                 kernel_value = np.zeros((self.in_channels, input_dim, 3, 3), dtype=np.float32)
  100.                 for i in range(self.in_channels):
  101.                     kernel_value[i, i % input_dim, 1, 1] = 1
  102.                 self.id_tensor = torch.from_numpy(kernel_value).to(branch.weight.device)
  103.             kernel = self.id_tensor
  104.             running_mean = branch.running_mean
  105.             running_var = branch.running_var
  106.             gamma = branch.weight
  107.             beta = branch.bias
  108.             eps = branch.eps
  109.         std = (running_var + eps).sqrt()
  110.         t = (gamma / std).reshape(-1, 1, 1, 1)
  111.         return kernel * t, beta - running_mean * gamma / std
  113.     def forward(self, inputs):
  114.         if hasattr(self, 'rbr_reparam'):
  115.             return self.nonlinearity(self.se(self.rbr_reparam(inputs)))
  117.         if self.rbr_identity is None:
  118.             id_out = 0
  119.         else:
  120.             id_out = self.rbr_identity(inputs)
  122.         return self.nonlinearity(self.se(self.rbr_dense(inputs) + self.rbr_1x1(inputs) + id_out))
  124.     def fusevggforward(self, x):
  125.         return self.nonlinearity(self.rbr_dense(x))
  127. # RepVGG block end
  128. # -----------------------------
  130. class SR(nn.Module):
  131.     # Shuffle RepVGG
  132.     def __init__(self, c1, c2):
  133.         super().__init__()
  134.         c1_ = int(c1 // 2)
  135.         c2_ = int(c2 // 2)
  136.         self.repconv = RepVGG(c1_, c2_)
  138.     def forward(self, x):
  139.         x1, x2 = x.chunk(2, dim=1)
  140.         out = torch.cat((x1, self.repconv(x2)), dim=1)
  141.         out = self.channel_shuffle(out, 2)
  142.         return out
  144.     def channel_shuffle(self, x, groups):
  145.         batchsize, num_channels, height, width = x.data.size()
  146.         channels_per_group = num_channels // groups
  147.         x = x.view(batchsize, groups, channels_per_group, height, width)
  148.         x = torch.transpose(x, 1, 2).contiguous()
  149.         x = x.view(batchsize, -1, height, width)
  150.         return x
  153. def make_divisible(x, divisor):
  154.     # Returns nearest x divisible by divisor
  155.     if isinstance(divisor, torch.Tensor):
  156.         divisor = int(divisor.max())  # to int
  157.     return math.ceil(x / divisor) * divisor
  159. class RCSOSA(nn.Module):
  160.     # VoVNet with Res Shuffle RepVGG
  161.     def __init__(self, c1, c2, n=1, se=False, e=0.5, stackrep=True):
  162.         super().__init__()
  163.         n_ = n // 2
  164.         c_ = make_divisible(int(c1 * e), 8)
  165.         # self.conv1 = Conv(c1, c_)
  166.         self.conv1 = RepVGG(c1, c_)
  167.         self.conv3 = RepVGG(int(c_ * 3), c2)
  168.         self.sr1 = nn.Sequential(*[SR(c_, c_) for _ in range(n_)])
  169.         self.sr2 = nn.Sequential(*[SR(c_, c_) for _ in range(n_)])
  171.         self.se = None
  172.         if se:
  173.             self.se = SEBlock(c2)
  175.     def forward(self, x):
  176.         x1 = self.conv1(x)
  177.         x2 = self.sr1(x1)
  178.         x3 = self.sr2(x2)
  179.         x = torch.cat((x1, x2, x3), 1)
  180.         return self.conv3(x) if self.se is None else self.se(self.conv3(x))
  184. def autopad(k, p=None, d=1):  # kernel, padding, dilation
  185.     """Pad to 'same' shape outputs."""
  186.     if d > 1:
  187.         k = d * (k - 1) + 1 if isinstance(k, int) else [d * (x - 1) + 1 for x in k]  # actual kernel-size
  188.     if p is None:
  189.         p = k // 2 if isinstance(k, int) else [x // 2 for x in k]  # auto-pad
  190.     return p
  193. class Conv(nn.Module):
  194.     """Standard convolution with args(ch_in, ch_out, kernel, stride, padding, groups, dilation, activation)."""
  195.     default_act = nn.SiLU()  # default activation
  197.     def __init__(self, c1, c2, k=1, s=1, p=None, g=1, d=1, act=True):
  198.         """Initialize Conv layer with given arguments including activation."""
  199.         super().__init__()
  200.         self.conv = nn.Conv2d(c1, c2, k, s, autopad(k, p, d), groups=g, dilation=d, bias=False)
  201.         self.bn = nn.BatchNorm2d(c2)
  202.         self.act = self.default_act if act is True else act if isinstance(act, nn.Module) else nn.Identity()
  204.     def forward(self, x):
  205.         """Apply convolution, batch normalization and activation to input tensor."""
  206.         return self.act(self.bn(self.conv(x)))
  208.     def forward_fuse(self, x):
  209.         """Perform transposed convolution of 2D data."""
  210.         return self.act(self.conv(x))
  213. class Bottleneck(nn.Module):
  214.     """Standard bottleneck."""
  216.     def __init__(self, c1, c2, shortcut=True, g=1, k=(3, 3), e=0.5):
  217.         """Initializes a bottleneck module with given input/output channels, shortcut option, group, kernels, and
  218.         expansion.
  219.         """
  220.         super().__init__()
  221.         c_ = int(c2 * e)  # hidden channels
  222.         self.cv1 = Conv(c1, c_, k[0], 1)
  223.         self.cv2 = RepVGG(c_, c2, 3, 1)
  224.         self.add = shortcut and c1 == c2
  226.     def forward(self, x):
  227.         """'forward()' applies the YOLO FPN to input data."""
  228.         return x + self.cv2(self.cv1(x)) if self.add else self.cv2(self.cv1(x))
  231. class C2f(nn.Module):
  232.     """Faster Implementation of CSP Bottleneck with 2 convolutions."""
  234.     def __init__(self, c1, c2, n=1, shortcut=False, g=1, e=0.5):
  235.         """Initializes a CSP bottleneck with 2 convolutions and n Bottleneck blocks for faster processing."""
  236.         super().__init__()
  237.         self.c = int(c2 * e)  # hidden channels
  238.         self.cv1 = Conv(c1, 2 * self.c, 1, 1)
  239.         self.cv2 = Conv((2 + n) * self.c, c2, 1)  # optional act=FReLU(c2)
  240.         self.m = nn.ModuleList(Bottleneck(self.c, self.c, shortcut, g, k=((3, 3), (3, 3)), e=1.0) for _ in range(n))
  242.     def forward(self, x):
  243.         """Forward pass through C2f layer."""
  244.         y = list(self.cv1(x).chunk(2, 1))
  245.         y.extend(m(y[-1]) for m in self.m)
  246.         return self.cv2(torch.cat(y, 1))
  248.     def forward_split(self, x):
  249.         """Forward pass using split() instead of chunk()."""
  250.         y = list(self.cv1(x).split((self.c, self.c), 1))
  251.         y.extend(m(y[-1]) for m in self.m)
  252.         return self.cv2(torch.cat(y, 1))
  254. class C3(nn.Module):
  255.     """CSP Bottleneck with 3 convolutions."""
  257.     def __init__(self, c1, c2, n=1, shortcut=True, g=1, e=0.5):
  258.         """Initialize the CSP Bottleneck with given channels, number, shortcut, groups, and expansion values."""
  259.         super().__init__()
  260.         c_ = int(c2 * e)  # hidden channels
  261.         self.cv1 = Conv(c1, c_, 1, 1)
  262.         self.cv2 = Conv(c1, c_, 1, 1)
  263.         self.cv3 = Conv(2 * c_, c2, 1)  # optional act=FReLU(c2)
  264.         self.m = nn.Sequential(*(Bottleneck(c_, c_, shortcut, g, k=((1, 1), (3, 3)), e=1.0) for _ in range(n)))
  266.     def forward(self, x):
  267.         """Forward pass through the CSP bottleneck with 2 convolutions."""
  268.         return self.cv3(torch.cat((self.m(self.cv1(x)), self.cv2(x)), 1))
  270. class C3k(C3):
  271.     """C3k is a CSP bottleneck module with customizable kernel sizes for feature extraction in neural networks."""
  273.     def __init__(self, c1, c2, n=1, shortcut=True, g=1, e=0.5, k=3):
  274.         """Initializes the C3k module with specified channels, number of layers, and configurations."""
  275.         super().__init__(c1, c2, n, shortcut, g, e)
  276.         c_ = int(c2 * e)  # hidden channels
  277.         # self.m = nn.Sequential(*(RepBottleneck(c_, c_, shortcut, g, k=(k, k), e=1.0) for _ in range(n)))
  278.         self.m = nn.Sequential(*(Bottleneck(c_, c_, shortcut, g, k=(k, k), e=1.0) for _ in range(n)))
  280. class C3k2_RepVGG(C2f):
  281.     """Faster Implementation of CSP Bottleneck with 2 convolutions."""
  283.     def __init__(self, c1, c2, n=1, c3k=False, e=0.5, g=1, shortcut=True):
  284.         """Initializes the C3k2 module, a faster CSP Bottleneck with 2 convolutions and optional C3k blocks."""
  285.         super().__init__(c1, c2, n, shortcut, g, e)
  286.         self.m = nn.ModuleList(
  287.             C3k(self.c, self.c, 2, shortcut, g) if c3k else Bottleneck(self.c, self.c, shortcut, g) for _ in range(n)
  288.         )
  290. if __name__ == "__main__":
  291.     # Generating Sample image
  292.     image_size = (1, 64, 240, 240)
  293.     image = torch.rand(*image_size)
  295.     # Model
  296.     mobilenet_v1 = C3k2_RepVGG(64, 64)
  298.     out = mobilenet_v1(image)
  299.     print(out.size())

四、手把手教你添加RCS-OSA模块

4.1 修改一

第一还是建立文件，我们找到如下 ultralytics /nn文件夹下建立一个目录名字呢就是'Addmodules'文件夹( 用群内的文件的话已经有了无需新建) ！然后在其内部建立一个新的py文件将核心代码复制粘贴进去即可。

4.2 修改二

第二步我们在该目录下创建一个新的py文件名字为'__init__.py'( 用群内的文件的话已经有了无需新建) ，然后在其内部导入我们的检测头如下图所示。

4.3 修改三

第三步我门中到如下文件'ultralytics/nn/tasks.py'进行导入和注册我们的模块( 用群内的文件的话已经有了无需重新导入直接开始第四步即可) ！

从今天开始以后的教程就都统一成这个样子了，因为我默认大家用了我群内的文件来进行修改！！

​

4.4 修改四

按照我的添加在parse_model里添加即可，两个图片都是本文的机制大家按照图片进行添加即可！

到此就修改完成了，大家可以复制下面的yaml文件运行。

4.2 RCS-OSA的yaml文件和训练截图

4.2.1 C3K2-RepVGG的yaml版本(推荐)

此版本训练信息：YOLO11-C3k2-RepVGG summary: 392 layers, 2,620,091 parameters, 2,620,075 gradients, 6.5 GFLOPs

版本说明：利用RepVGG优化C3k2（RepVGG是重参数化模块） 

  1. # Ultralytics YOLO 🚀, AGPL-3.0 license
  2. # YOLO11 object detection model with P3-P5 outputs. For Usage examples see https://docs.ultralytics.com/tasks/detect
  4. # Parameters
  5. nc: 80 # number of classes
  6. scales: # model compound scaling constants, i.e. 'model=yolo11n.yaml' will call yolo11.yaml with scale 'n'
  7.   # [depth, width, max_channels]
  8.   n: [0.50, 0.25, 1024] # summary: 319 layers, 2624080 parameters, 2624064 gradients, 6.6 GFLOPs
  9.   s: [0.50, 0.50, 1024] # summary: 319 layers, 9458752 parameters, 9458736 gradients, 21.7 GFLOPs
  10.   m: [0.50, 1.00, 512] # summary: 409 layers, 20114688 parameters, 20114672 gradients, 68.5 GFLOPs
  11.   l: [1.00, 1.00, 512] # summary: 631 layers, 25372160 parameters, 25372144 gradients, 87.6 GFLOPs
  12.   x: [1.00, 1.50, 512] # summary: 631 layers, 56966176 parameters, 56966160 gradients, 196.0 GFLOPs
  14. # YOLO11n backbone
  15. backbone:
  16.   # [from, repeats, module, args]
  17.   - [-1, 1, Conv, [64, 3, 2]] # 0-P1/2
  18.   - [-1, 1, Conv, [128, 3, 2]] # 1-P2/4
  19.   - [-1, 2, C3k2_RepVGG, [256, False, 0.25]]
  20.   - [-1, 1, Conv, [256, 3, 2]] # 3-P3/8
  21.   - [-1, 2, C3k2_RepVGG, [512, False, 0.25]]
  22.   - [-1, 1, Conv, [512, 3, 2]] # 5-P4/16
  23.   - [-1, 2, C3k2_RepVGG, [512, True]]
  24.   - [-1, 1, Conv, [1024, 3, 2]] # 7-P5/32
  25.   - [-1, 2, C3k2_RepVGG, [1024, True]]
  26.   - [-1, 1, SPPF, [1024, 5]] # 9
  27.   - [-1, 2, C2PSA, [1024]] # 10
  29. # YOLO11n head
  30. head:
  31.   - [-1, 1, nn.Upsample, [None, 2, "nearest"]]
  32.   - [[-1, 6], 1, Concat, [1]] # cat backbone P4
  33.   - [-1, 2, C3k2_RepVGG, [512, False]] # 13
  35.   - [-1, 1, nn.Upsample, [None, 2, "nearest"]]
  36.   - [[-1, 4], 1, Concat, [1]] # cat backbone P3
  37.   - [-1, 2, C3k2_RepVGG, [256, False]] # 16 (P3/8-small)
  39.   - [-1, 1, Conv, [256, 3, 2]]
  40.   - [[-1, 13], 1, Concat, [1]] # cat head P4
  41.   - [-1, 2, C3k2_RepVGG, [512, False]] # 19 (P4/16-medium)
  43.   - [-1, 1, Conv, [512, 3, 2]]
  44.   - [[-1, 10], 1, Concat, [1]] # cat head P5
  45.   - [-1, 2, C3k2_RepVGG, [1024, True]] # 22 (P5/32-large)
  47.   - [[16, 19, 22], 1, Detect, [nc]] # Detect(P3, P4, P5)

4.2.2 RCSOSA的yaml版本二

添加的版本二具体那种适合你需要大家自己多做实验来尝试。

此版本训练信息：YOLO11-RCSOSA summary: 479 layers, 8,195,303 parameters, 8,195,287 gradients, 22.3 GFLOPs 

  1. # Ultralytics YOLO 🚀, AGPL-3.0 license
  2. # YOLO11 object detection model with P3-P5 outputs. For Usage examples see https://docs.ultralytics.com/tasks/detect
  4. # Parameters
  5. nc: 80 # number of classes
  6. scales: # model compound scaling constants, i.e. 'model=yolo11n.yaml' will call yolo11.yaml with scale 'n'
  7.   # [depth, width, max_channels]
  8.   n: [0.50, 0.25, 1024] # summary: 319 layers, 2624080 parameters, 2624064 gradients, 6.6 GFLOPs
  9.   s: [0.50, 0.50, 1024] # summary: 319 layers, 9458752 parameters, 9458736 gradients, 21.7 GFLOPs
  10.   m: [0.50, 1.00, 512] # summary: 409 layers, 20114688 parameters, 20114672 gradients, 68.5 GFLOPs
  11.   l: [1.00, 1.00, 512] # summary: 631 layers, 25372160 parameters, 25372144 gradients, 87.6 GFLOPs
  12.   x: [1.00, 1.50, 512] # summary: 631 layers, 56966176 parameters, 56966160 gradients, 196.0 GFLOPs
  14. # YOLO11n backbone
  15. backbone:
  16.   # [from, repeats, module, args]
  17.   - [-1, 1, Conv, [64, 3, 2]] # 0-P1/2
  18.   - [-1, 1, Conv, [128, 3, 2]] # 1-P2/4
  19.   - [-1, 3, RCSOSA, [128, True]]
  20.   - [-1, 1, Conv, [256, 3, 2]] # 3-P3/8
  21.   - [-1, 6, RCSOSA, [256, True]]
  22.   - [-1, 1, Conv, [512, 3, 2]] # 5-P4/16
  23.   - [-1, 6, RCSOSA, [512, True]]
  24.   - [-1, 1, Conv, [1024, 3, 2]] # 7-P5/32
  25.   - [-1, 3, RCSOSA, [1024, True]]
  26.   - [-1, 1, SPPF, [1024, 5]] # 9
  27.   - [-1, 2, C2PSA, [1024]] # 10
  29. # YOLO11n head
  30. head:
  31.   - [-1, 1, nn.Upsample, [None, 2, "nearest"]]
  32.   - [[-1, 6], 1, Concat, [1]] # cat backbone P4
  33.   - [-1, 3, RCSOSA, [512]] # 13
  35.   - [-1, 1, nn.Upsample, [None, 2, "nearest"]]
  36.   - [[-1, 4], 1, Concat, [1]] # cat backbone P3
  37.   - [-1, 3, RCSOSA, [256]] # 16 (P3/8-small)
  39.   - [-1, 1, Conv, [256, 3, 2]]
  40.   - [[-1, 13], 1, Concat, [1]] # cat head P4
  41.   - [-1, 3, RCSOSA, [512]] # 19 (P4/16-medium)
  43.   - [-1, 1, Conv, [512, 3, 2]]
  44.   - [[-1, 10], 1, Concat, [1]] # cat head P5
  45.   - [-1, 2, RCSOSA, [1024]] # 22 (P5/32-large)
  47.   - [[16, 19, 22], 1, Detect, [nc]] # Detect(P3, P4, P5)

4.4 训练过程截图

​

4.5 训练代码 

  1. import warnings
  2. warnings.filterwarnings('ignore')
  3. from ultralytics import YOLO
  5. if __name__ == '__main__':
  6.     model = YOLO('模型yaml文件地址')
  7.     # 如何切换模型版本, 上面的ymal文件可以改为 yolov8s.yaml就是使用的v8s,
  8.     # 类似某个改进的yaml文件名称为yolov8-XXX.yaml那么如果想使用其它版本就把上面的名称改为yolov8l-XXX.yaml即可（改的是上面YOLO中间的名字不是配置文件的）！
  9.     # model.load('yolov8n.pt') # 是否加载预训练权重,科研不建议大家加载否则很难提升精度
  10.     model.train(data=r"填写你数据集yaml文件地址",
  11.                 # 如果大家任务是其它的'ultralytics/cfg/default.yaml'找到这里修改task可以改成detect, segment, classify, pose
  12.                 cache=False,
  13.                 imgsz=640,
  14.                 epochs=150,
  15.                 single_cls=False,  # 是否是单类别检测
  16.                 batch=4,
  17.                 close_mosaic=0,
  18.                 workers=0,
  19.                 device='0',
  20.                 optimizer='SGD', # using SGD
  21.                 # resume=True, # 这里是填写True
  22.                 amp=False,  # 如果出现训练损失为Nan可以关闭amp
  23.                 project='runs/train',
  24.                 name='exp',
  25.                 )

五、本文总结

到此本文的正式分享内容就结束了，在这里给大家推荐我的YOLOv11改进有效涨点专栏，本专栏目前为新开的平均质量分98分，后期我会根据各种最新的前沿顶会进行论文复现，也会对一些老的改进机制进行补充， 目前本专栏免费阅读(暂时，大家尽早关注不迷路~) ，如果大家觉得本文帮助到你了，订阅本专栏，关注后续更多的更新~

​