前言本文介绍了面向暗弱小型红外舰船检测的中国结卷积——CKConv，并将其与 YOLO11 的特征提取结构相结合。CKConv 通过横向条形卷积、纵向条形卷积与普通方形卷积构建多分支交织感受野，能够同时捕捉舰船目标的方向延展特征、边缘纹理信息和局部空间连续性，有效弥补传统卷积对细长小目标表征不足的问题。在 YOLO11 中，可将 CKConv 融入 C2f/C3k 等骨干特征模块，替代部分标准卷积以增强底层与深层特征表达能力。该方法在保持较低计算开销的同时提升网络对复杂海面背景、弱对比度目标和多尺度舰船的适应性。文章目录： YOLO11改进大全：卷积层、轻量化、注意力机制、损失函数、Backbone、SPPF、Neck、检测头全方位优化汇总专栏链接: YOLO11改进专栏摘要遥感红外舰船检测在军民融合应用场景下，对海上安全管控与海事交通管理至关重要。但现有检测方法的精度与鲁棒性仍受数据集条件制约，现存问题包括数据集规模偏小、目标尺寸分布区间窄、目标样本稀疏、场景适配性单一等。为解决上述问题，本文整合公开数据集，构建红外舰船检测
前言本文介绍了面向暗弱小型红外舰船检测的中国结卷积——CKConv，并将其与 YOLO11 的特征提取结构相结合。CKConv 通过横向条形卷积、纵向条形卷积与普通方形卷积构建多分支交织感受野，能够同时捕捉舰船目标的方向延展特征、边缘纹理信息和局部空间连续性，有效弥补传统卷积对细长小目标表征不足的问题。在 YOLO11 中，可将 CKConv 融入 C2f/C3k 等骨干特征模块，替代部分标准卷积以增强底层与深层特征表达能力。该方法在保持较低计算开销的同时提升网络对复杂海面背景、弱对比度目标和多尺度舰船的适应性。文章目录： YOLO11改进大全：卷积层、轻量化、注意力机制、损失函数、Backbone、SPPF、Neck、检测头全方位优化汇总专栏链接: YOLO11改进专栏摘要遥感红外舰船检测在军民融合应用场景下，对海上安全管控与海事交通管理至关重要。但现有检测方法的精度与鲁棒性仍受数据集条件制约，现存问题包括数据集规模偏小、目标尺寸分布区间窄、目标样本稀疏、场景适配性单一等。为解决上述问题，本文整合公开数据集，构建红外舰船检测
![[C++]内存管理：串顺序存储的内存回收](http://pic.xiahunao.cn/yaotu/[C++]内存管理：串顺序存储的内存回收)
