YOLOv11改进 | 主干/Backbone篇 | 目标检测网络EfficientNetV1均衡缩放网络改进特征提取层 （适配yolov11全系列N、S、M、L、X）
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
这次给大家带来的改进机制是EfficientNetV1主干，用其替换我们YOLOv11的特征提取网络，其主要思想是通过均衡地缩放网络的深度、宽度和分辨率，以提高卷积神经网络的性能。这种方法采用了一个简单但有效的复合系数，统一调整所有维度。经过我的实验该主干网络确实能够涨点在大中小三种物体检测上，同时该主干网络提供多种版本，大家可以在源代码中进行修改版本的使用。本文通过介绍其主要框架原理，然后教大家如何添加该网络结构到网络模型中。
（本文内容可根据yolov11的N、S、M、L、X进行二次缩放，轻量化更上一层）。
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、EfficientNetV1的框架原理
三、EfficientNetV1的核心代码
四、手把手教你添加EfficientNetV1机制
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、EfficientNetV1的yaml文件
5.1 EfficientNetV1的yaml文件版本
5.2 训练文件
六、成功运行记录
七、本文总M结
二、EfficientNetV1的框架原理
官方论文地址： 官方论文地址点击即可跳转
官方代码地址： 官方代码地址点击即可跳转