YOLO11-seg分割：包裹分割数据集 | 全局到局部可控感受野模块GL-CRM ，量身为为多尺度变化而设计| 2024年10月最新成果（七）

💡💡💡GL-CRM是为了更好地处理多尺度变化而设计的。它包括两个主要组件：可控感受野模块（CRM）和全局到局部设计（GL）。CRM灵活地提取和整合具有多个尺度和粒度的特征，而GL架构具有从全局上下文到子块区域再到局部语义信息的层次感知过程。

💡💡💡如何使用：替换YOLO11 C3k2，实现二次创新，具备多尺度能力

💡💡💡Mask mAP50 从原始的0.926 提升至0.934

改进结构图如下：

1.YOLO11介绍

Ultralytics YOLO11是一款尖端的、最先进的模型，它在之前YOLO版本成功的基础上进行了构建，并引入了新功能和改进，以进一步提升性能和灵活性。YOLO11设计快速、准确且易于使用，使其成为各种物体检测和跟踪、实例分割、图像分类以及姿态估计任务的绝佳选择。

Segmentation 官方在COCO数据集上做了更多测试：

2.数据集介绍

包裹分割数据集是一个精选的图片集合，专门为计算机视觉领域中与包裹分割相关的任务量身定制。这个数据集旨在帮助研究人员、开发者和爱好者们进行与包裹识别、分类和处理相关的项目。

该数据集包含了一系列展示不同背景和环境下各种包裹的多样化图片，是训练和评估分割模型的宝贵资源。无论您从事的是物流、仓库自动化还是任何需要精确包裹分析的应用，包裹分割数据集都提供了一个针对性强且全面的图片集，以提高您的计算机视觉算法的性能。

数据集结构

包装分割数据集的数据分布结构如下：

• 训练集：包含 1920 幅图像及其相应的注释。
• 测试集：由 89 幅图像组成，每幅图像都与各自的注释配对。
• 验证集：由 188 幅图像组成，每幅图像都有相应的注释。

应用

由包装分割数据集（Package Segmentation Dataset）推动的包装分割对于优化物流、加强最后一英里配送、改进制造质量控制以及促进智能城市解决方案至关重要。从电子商务到安全应用，该数据集是一项关键资源，促进了计算机视觉领域的创新，实现了多样化和高效的包装分析应用。

• 这幅图像显示了图像对象检测的一个实例，其特点是注释了边界框，并用掩码勾勒出识别出的对象。该数据集包含在不同地点、环境和密度下拍摄的各种图像。该数据集是开发该任务专用模型的综合资源。
• 这个例子强调了数据集的多样性和复杂性，突出了高质量传感器数据对于涉及无人机的计算机视觉任务的重要性。

标签可视化：

3.原始YOLO11-seg模型性能

3.1 训练结果可视化

YOLO11-seg summary (fused): 265 layers, 2,834,763 parameters, 0 gradients, 10.2 GFLOPs
                 Class     Images  Instances      Box(P          R      mAP50  mAP50-95)     Mask(P          R      mAP50  mAP50-95): 100%|██████████| 6/6 [00:10<00:00,  1.79s/it]
                   all        188        693      0.875      0.921      0.925      0.839        0.9      0.902      0.926      0.809

Mask mAP50 为0.926

MaskPR_curve.png

预测结果如下：

4.原理介绍

GL-CRM 全局到局部可控感受野模块的工作原理

GL-CRM（Global-to-Local Controllable Receptive Module）是为了更好地处理文档中不同元素的多尺度变化而设计的。它包括两个主要组件：可控感受野模块（CRM）和全局到局部设计（GL）。CRM灵活地提取和整合具有多个尺度和粒度的特征，而GL架构具有从全局上下文（整页规模）到子块区域（中等规模）再到局部语义信息的层次感知过程。

CRM：对于每一层的特征X，首先使用权重共享的卷积层w和核大小k提取特征。通过使用一组不同的扩张率d=[d1, d2, ..., dn]来捕获不同粒度的特征。然后，将这些特征融合，并允许网络自主学习如何融合不同的特征组件。

GL设计：全局级别使用较大的核和扩张率来捕获整页元素的更多纹理细节和保存局部模式。在中间阶段，特征图被下采样，纹理特征减少，此时使用较小的核和扩张率来感知中等规模的元素，如文档子块。在深层阶段，语义信息占主导地位，使用基本的瓶颈作为轻量级模块，专注于局部语义信息。

结合YOLO11结构图：

Mask mAP50 从原始的0.926 提升至0.934

YOLO11-seg-G2L_CRM summary: 271 layers, 2,797,515 parameters, 0 gradients, 10.3 GFLOPs
                 Class     Images  Instances      Box(P          R      mAP50  mAP50-95)     Mask(P          R      mAP50  mAP50-95): 100%|██████████| 6/6 [00:08<00:00,  1.35s/it]
                   all        188        693      0.883      0.913      0.934      0.847      0.887      0.918      0.934      0.828

5.系列篇

1）如何训练自己的数据集：包裹分割数据集

2）单头注意力模块，并行结合全局和局部信息提升分割能力

3） 空间频率注意力和通道转置注意力 ，恢复分割边缘细节

4） 原创自研 | 一种新颖的跨通道交互的高效率通道注意力EMCA

5） SPPF原创自研 | SPPF_attention，能够在不同尺度上更好的、更多的关注注意力特征信息

6）具有切片操作的SimAM注意力，魔改SimAM助力分割

7）全局到局部可控感受野模块GL-CRM ，量身为为多尺度变化而设计

8）新颖的多尺度卷积注意力（MSCA），即插即用，助力分割

9）新颖的双注意力块（DAB） | 24.12月最新成果