YOLOv13涨点改进 |全网独家、特征融合创新篇 | TGRS 2026 | 引入ERM边缘感知细化融合模块,解决红外小目标检测中常见的边界模糊、目标不完整、背景干扰问题,助力YOLOv11有效涨点
2026/6/21 19:25:43 网站建设 项目流程

一、本文介绍

🔥本文给大家介绍使用ERM(Edge-aware Refinement Module,边缘感知细化模块)改进 YOLOv11 网络模型,主要作用于特征融合和检测前的细化阶段,用于弥补 YOLOv13 在下采样和多尺度融合过程中造成的边界信息损失。ERM 通过显式建模边缘和梯度信息,引导网络重点关注目标与背景变化最剧烈的区域,从而增强目标轮廓表达,提升边界定位精度。在复杂背景和小目标场景中,ERM 能有效抑制伪边缘和背景干扰,减少相邻目标粘连与误检问题。整体来看,ERM 在不显著增加计算开销的前提下,使 YOLOv11 的检测结果更加精细、边界更清晰、IoU 更高,尤其适合对定位精度和目标形态要求较高的红外与遥感检测任务。

🔥欢迎订阅我的专栏、带你学习使用最新-最前沿-独家YOLOv11创新改进!🔥

专栏改进目录:YOLOv11改进专栏包含卷积、主干网络、各种注意力机制、检测头、损失函数、Neck改进、小目标检测、二次创新模块、C2PSA/C3k2二次创新改进、全网独家创新等创新点改进

全新YOLOv11-发论文改进专栏链接:全新YOLOv11创新改进高效涨点+永久更新中(至少500+改进)+高效跑实验发论文<

需要专业的网站建设服务?

联系我们获取免费的网站建设咨询和方案报价,让我们帮助您实现业务目标

立即咨询