当前位置：首页 > news >正文

YOLOv13 性能核弹级升级！DCMB 模块实测，mAP 最高暴涨 13.88%

news 2026/5/12 7:57:30

效果炸裂，绿色线条为添加DCMB模块，蓝色为原模型。
map提升9.23个点，map50

文章目录

移植
- 创建 ultralytics\cfg\models\v13\yolov13-DCMB.yaml
- 修改ultralytics\nn\tasks.py
- 修改ultralytics/nn/modules/__init__.py
- 修改ultralytics\nn\modules\block.py
DCMB (Dynamic ConvMixer Block) 原理详解教程
- 1. 引言
- 2. 动态Inception深度卷积核心机制
- - 2.1 多形状卷积核设计
  - 2.2 动态权重生成机制
- 3. 动态Inception混合器架构
- - 3.1 通道分组处理
  - 3.2 多核尺寸并行处理
  - 3.3 特征融合与投影
- 4. 卷积门控线性单元（ConvolutionalGLU）
- - 4.1 门控机制原理
  - 4.2 特征维度变换
  - 4.3 深度卷积增强
- 5. DynamicIncMixerBlock整体架构
- - 5.1 双路径设计
  - 5.2 层缩放（LayerScale）机制
  - 5.3 DropPath正则化
- 6. 批归一化策略
- - 6.1 BatchNorm的选择
  - 6.2 归一化位置
- 7. DCMB模块的C2f集成
- - 7.1 模块化构建
  - 7.2 层次化特征提取
- 8. 技术优势分析
- - 8.1 自适应多尺度特征提取
  - 8.2 多形状卷积核互补
  - 8.3 门控机制增强
  - 8.4 训练稳定性优化
- 9. 应用场景与性能
- - 9.1 目标检测任务
  - 9.2 图像分类任务
  - 9.3 语义分割任务
- 10. 总结

移植

创建 ultralytics\cfg\models\v13\yolov13-DCMB.yaml

nc:80# number of classesscales:# model compound scaling constants, i.e. 'model=yolov13n.yaml' will call yolov13.yaml with scale 'n'# [depth, width, max_channels]n:[0.50,0.25,1024]# Nanos:[

查看全文

http://www.jsqmd.com/news/284819/