Backbone

主干是深度学习模型的核心组件 深度学习模型的核心组件，尤其是在 计算机视觉（CV）中。它作为 主要特征提取网络，旨在 获取图像等原始输入数据，并将其转化为一组高级特征。这些 特征图可以捕捉边缘、纹理和形状等基本模式、 纹理和形状等基本模式。随后，网络的后续部分将使用这种丰富的表征来执行以下任务 物体检测 图像分割或 图像分类等任务。骨干网是 神经网络 (NN)的基础。 "看到 "图像中的基本视觉元素。

Backbone 网络的工作原理

通常情况下，骨干网是一个深度 卷积神经网络（CNN） 已在大规模分类数据集（如 ImageNet.这种预训练是一种 迁移学习的一种形式。 庞大的通用视觉特征库。在为新的特定任务开发模型时，开发人员通常会使用预先训练好的骨干网络，而不是从头开始。 而不是从头开始。这种方法大大缩短了 训练自定义模型所需的时间，并减少对数据的要求，通常能获得更好的性能。 从而提高性能。骨干网提取的特征随后会传递给网络的 "颈部 "和 "头部"。 网络的 "头部"，这两个部分进行进一步细化并生成最终输出。选择 骨干网的选择通常是在准确性、模型大小和 推理延迟之间进行权衡。 实现 实时性能的关键因素。

下面的代码演示了如何将预先训练好的 Ultralytics YOLO11模型，其中包含一个高效的 骨干，可以加载并用于图像推理。

from ultralytics import YOLO

# Load a pre-trained YOLO11 model. Its architecture includes a powerful backbone.
model = YOLO("yolo11n.pt")

# Run inference. The backbone processes the image to extract features for detection.
results = model("https://ultralytics.com/images/bus.jpg")

# Display the detection results
results[0].show()

常见骨干网络架构

主干网的设计有了很大发展，每种新架构都能提高性能和效率。 效率。一些最有影响力的主干网架构包括

• 残差网络（ResNet）： 由Microsoft 研究院推出，ResNet 模型使用 "跳过连接"，从而缓解梯度消失问题，训练更深层次的网络。 问题。
• EfficientNet： Google 人工智能开发，该模型系列 采用了一种复合缩放方法，可统一平衡网络深度、宽度和分辨率，从而创建出既高精度又高效计算的模型。 既高精度又高效计算的模型。
• 视觉Transformer （ViT）： 该架构采用了非常成功的 Transformer模型 自然语言处理（NLP） 视觉任务。ViTs 将图像处理为片段序列，并使用 自我注意来捕捉全局上下文，这与传统 CNN 的局部感受野 与传统 CNN 的局部感受野不同。
• CSPNet（跨阶段部分网络）：正如其 该架构通过对特征图进行分区来降低计算瓶颈，从而提高学习效率。 通过分割特征图来减少计算瓶颈，从而提高学习效率。它是许多Ultralytics YOLO 模型的关键组件。

主干网络与 Head 和 Neck

在现代 在现代物体检测架构中 模型通常分为三个主要部分：

1. 骨干网：作为基础，它的作用是从输入图像中提取不同尺度的特征图 图像。
2. 颈部：颈部：该组件连接脊柱和头部。它可以细化和聚合来自骨干层的特征 通常结合来自不同层的信息来创建更丰富的表征。一个常见的例子 是特征金字塔网络（FPN）。
3. 检测头：这是网络的最后 网络的最后一部分。它从颈部获取细化特征，并执行主要任务，如预测 边界框、类标签和置信度分数。 等。

因此，骨干网是整个模型的基本构件。您可以探索各种 YOLO 模型比较，了解不同的架构选择对性能的影响。 对性能的影响。

实际应用

骨干网是各行各业无数人工智能应用的重要组成部分：

1. 自动驾驶汽车：在 自动驾驶汽车中，ResNet 或 EfficientNet 变体等强大的骨干网 或 EfficientNet 变体等强大的主干网处理来自摄像头的图像，detect 其他车辆、行人和交通信号，并classify 。 交通信号。这种特征提取对于车辆的导航和决策至关重要。 Waymo 等公司开发的系统就证明了这一点。
2. 医学图像分析： 在医疗人工智能解决方案中，骨干网用于 用于分析 X 光和核磁共振成像等医学扫描。例如，骨干可以从胸部 X 光片中提取特征，帮助识别肺炎迹象，或从 CT 扫描中发现潜在的肿瘤。 帮助识别肺炎的迹象，或从 CT 扫描中发现潜在的肿瘤。 放射学：人工智能》中的研究强调了这一点。这有助于放射科医生 像YOLO11 这样的模型可以针对专门任务进行微调，如 肿瘤检测。