YOLOv11改进 | 主干/Backbone篇 | 视觉变换器SwinTransformer目标检测网络（ 适配yolov11全系列模型）

一、本文介绍

本文给大家带来的改进机制是利用Swin Transformer替换YOLOv11中的骨干网络其是一个开创性的视觉变换器模型，它通过使用位移窗口来构建分层的特征图，有效地适应了计算机视觉任务。与传统的变换器模型不同，Swin Transformer的自注意力计算仅限于局部窗口内，使得计算复杂度与图像大小成线性关系，而非二次方。这种设计不仅提高了模型的效率，还保持了强大的特征提取能力。Swin Transformer的创新在于其能够在不同层次上捕捉图像的细节和全局信息，使其成为各种视觉任务的强大通用骨干网络。亲测在小目标检测和大尺度目标检测的数据集上都有涨点效果。

（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、Swin Transformer原理

2.1 Swin Transformer的基本原理

2.2 层次化特征映射

2.3 局部自注意力计算

2.4 移动窗口自注意力

2.5 移动窗口分区

三、 Swin Transformer的完整代码

 四、手把手教你添加Swin Transformer网络结构

修改一

修改二

修改三 

修改四

修改五 

修改六 

修改七

修改八

五、Swin Transformer的yaml文件

六、成功运行记录 

七、本文总结

二、Swin Transformer原理

论文地址：官方论文地址

代码地址：官方代码、地址