YOLOv11改进 | 主干/Backbone篇 | 反向残差块目标检测网络EMO一种轻量级的CNN架构（支持yolov11全系列轻量化）

开始讲解之前推荐一下我的专栏，本专栏的内容支持(分类、检测、分割、追踪、关键点检测),专栏目前为限时折扣，欢迎大家订阅本专栏，本专栏每周更新3-5篇最新机制，更有包含我所有改进的文件和交流群提供给大家。 

一、本文介绍

本文给大家带来的改进机制是反向残差块网络EMO，其的构成块iRMB在之前我已经发过了，同时进行了二次创新，本文的网络就是由iRMB组成的网络EMO，所以我们二次创新之后的iEMA也可以用于这个网络中，再次形成二次创新，同时本文的主干网络为一种轻量级的CNN架构，在开始之前给大家推荐一下我的专栏，本专栏每周更新3-10篇最新前沿机制 | 包括二次创新全网无重复，以及融合改进，更有包含我所有的YOLOv11仓库集成文件（文件内集成我所有的改进机制全部注册完毕可以直接运行）和交流群和视频讲解提供给大家，本文支持yolov11的全系列模型放缩，也就是nsmlx五个版本，本文内容为个人独家创新，抄袭必究。 

欢迎大家订阅我的专栏一起学习YOLO！  

   专栏回顾：YOLOv11改进系列专栏——本专栏持续复习各种顶会内容——科研必备

目录

一、本文介绍

二、EMO模型原理

三、EMO的核心代码 

四、手把手教你添加EMO

4.1 修改一

4.2 修改二 

4.3 修改三 

4.4 修改四

4.5 修改五

4.6 修改六

4.7 修改七

4.8 修改八

注意！！！ 额外的修改！

打印计算量问题解决方案

注意事项！！！ 

五、EMO的yaml文件

5.1 EMO的yaml文件

5.2 训练文件的代码

六、成功运行记录 

七、本文总结

二、EMO模型原理

论文地址：官方论文地址

代码地址：官方代码地址