顶刊TPAMI 2025！YOLO+多尺度特征融合实现新SOTA！

文章预览

现在对 YOLO 的传统研究已经是卷生卷死，如果还想要做创新，或许可以考虑围绕模型改进这方面，尤其是使用 多尺度特征融合 。 清华提出的Hyper-YOLO就给我们很好的打了个样，它在传统的YOLO模型基础上，通过引入超图计算来实现多尺度特征融合，性能在各种规模模型中都达到了顶尖！登上顶刊TPAMI 2025。 这种思路的优势在于，YOLO算法通过多尺度特征融合，可以增强多尺度目标检测能力，同时保持高效并优化资源开销，非常适用于多样场景，可见创新潜力巨大。 为了方便有论文需求的同学，我这次整理了 10篇 YOLO+多尺度特征融合最新论文 ，开源代码已附，大家需要参考的可以直接拿来看~ 扫码添加小享， 回复“ YOLO多尺 ” 免费获取 全部论文+开源代码 Multi-Branch Auxiliary Fusion YOLO with Re-parameterization Heterogeneous Convolutional for accurate object detection 方法： ………………………………