YOLOv11最新创新改进系列：多模态融合RGB+红外线（IR），融合BoTNet模块，ResNet的最后三个的卷积层替换成MHSA层，融合CNN+自然语言处理技术的优势，提升检测效果！
YOLOv11最新创新改进系列：多模态融合RGB+红外线（IR），融合BoTNet模块，ResNet的最后三个的卷积层替换成MHSA层，融合CNN+自然语言处理技术的优势，提升检测效果！
购买相关资料后畅享一对一答疑！
畅享超多免费持续更新且可大幅度提升文章档次的纯干货工具！
自己排列组合2-4种后，考虑位置不同后可排列组合上千万种！！专注AI学术，关注B站博主：Ai学术叫叫兽！
数据集准备
我给大家配置了默认的M3FD.yaml,大家可以直接在代码中使用，然后按照自己的数据进行简单的替换就行！非常简单！
# Ultralytics YOLO , AGPL-3.0 license# M3FD dataset# Example usage: yolo train data=M3FD.yaml# Train/val/test sets as dir: path/to/imgspath:# dataset root dirtrain:images/train# train visible images (relative to 'path')train2:imagesTR/train# train infrared images (relative to 'path')val:images/val# val visible images (relative to 'path')val2:imagesIR/val# val infrared images (relative to 'path')test:# test images (optional)#image_weights: Truenc:6# Classesnames:0:People1:Car2:Bus3:Motorcycle4:Lamp5:Truck其中，ImagesIR 为红外线图像
Image为可见光（RGB）图像
详细的改进教程以及源码，戳这！戳这！！戳这！！！B站：AI学术叫叫兽 源码在相簿的链接中，动态中也有链接，感谢支持！祝科研遥遥领先！
改进
一、 BoTNet简介
论文地址：https://arxiv.org/abs/2101.11605
BoTNet是一种简单但功能强大的主干网络，该架构将注意力模块纳入了包括图像分类，目标检测，实例分割等多种计算机视觉任务。通过仅将ResNet的最后三个的卷积层替换成MHSA层，并不进行其他改变，在墓边检测方面显著改善了极限，同时减少了参数两，从而使得延迟最小化。
Transformer中的MHSA和BoTNet中的MHSA的区别：
归一化，Transformer使用 Layer Normalization，而BoTNet使用 Batch Normalization。
非线性激活，Transformer仅仅使用一个非线性激活在FPN block模块中，BoTNet使用了3个非线性激活。
输出投影，Transformer中的MHSA包含一个输出投影，BoTNet则没有。
优化器，Transformer使用Adam优化器训练，BoTNet使用sgd+ momentum
二、 改进教程
2.1 修改YAML文件
2.2 新建.py
2.3 修改tasks.py
三、验证是否成功即可
执行命令
python train.py改完收工！
关注B站：AI学术叫叫兽
从此走上科研快速路
遥遥领先同行！！！！
写在最后
学术因方向、个人实验和写作能力以及具体创新内容的不同而无法做到一通百通，关注UP：Ai学术叫叫兽
在所有B站资料中留下联系方式以便在科研之余为家人们答疑解惑，本up主获得过国奖，发表多篇SCI，擅长目标检测领域，拥有多项竞赛经历，拥有软件著作权，核心期刊等经历。
因为经历过所以更懂小白的痛苦！
因为经历过所以更具有指向性的指导！
祝所有科研工作者都能够在自己的领域上更上一层楼！