一、本文介绍本文记录的是利用Mona多认知视觉适配器模块优化YOLOv13的目标检测网络模型。Mona（Multi-cognitive Visual Adapter）通过缩放归一化输入优化、多尺度深度卷积视觉认知与多层残差融合结合，构建视觉友好的轻量适配结构，实现预训练知识向下游任务的高效迁移。本文利用Mona适配器，先通过可学习缩放与层归一化稳定特征分布，再以3×3/5×5/7×7多路深度卷积构建多尺度视觉认知，经1×1卷积聚合与残差连接保留原始信息，对各类视觉任务的特征进行针对性强化、修正线性适配器的视觉建模缺陷，抑制无效特征干扰，提升目标检测、实例分割、语义分割等复杂视觉任务的精度与训练效率。专栏目录：YOLOv13改进目录一览 | 涉及卷积层、轻量化、注意力、损失函数、Backbone、SPPF、Neck、检测头等全方位改进专栏地址：YOLOv13改进专栏——以发表论文的角度，快速准确的找到有效涨点的创新点！文章目录一、本文介绍二、Mona介绍2.1 设计出发点2.2 模块结构2.3 模块优势三、Mona的实现代码四、创新模块4.1 改进点1⭐4.2 改进点2⭐五、添加步骤5.1 修改一5.2 修改二5.3 修改三六、yaml模型文件6.1 模型改进版本16.2 模型改进版本2⭐七、成功运行结果二、Mona介绍2.1 设计出发点现有视觉适配器（Adapter）沿用NLP线性结构，对视觉2D信号适配差；单一感受野无法实现多尺度视觉认知，且特征分布偏移导致迁移效果差，始终无法超越全微调（Full Fine-tuning）上限。因此提出多认知视觉适配器 Mona，专为视觉任务重设计，突破全微调性能天花板。2.2 模块结构Mona（Multi-cognitive Visual Adapter）结构：缩放归一化输入：LayerNorm + 可学习缩放系数，稳定输入特征分布；多尺度深度卷积认知：3×3、5×5、7×7多路深度卷积，并行提取多尺度视觉特征；特征聚合与残差：1×1卷积融合 + 多支路残差连接，保留原始信息并增强表达；轻量升维投影：GeLU激活 + 上下投影，以极少参数完成视觉知识迁移。2.3 模块优势视觉友好强适配
YOLOv13改进策略【Conv和Transformer】| CVPR 2025 Mona 多认知视觉适配器 多尺度卷积认知 + 缩放归一化稳分布，突破全微调性能上限
发布时间：2026/6/6 19:21:46
一、本文介绍本文记录的是利用Mona多认知视觉适配器模块优化YOLOv13的目标检测网络模型。Mona（Multi-cognitive Visual Adapter）通过缩放归一化输入优化、多尺度深度卷积视觉认知与多层残差融合结合，构建视觉友好的轻量适配结构，实现预训练知识向下游任务的高效迁移。本文利用Mona适配器，先通过可学习缩放与层归一化稳定特征分布，再以3×3/5×5/7×7多路深度卷积构建多尺度视觉认知，经1×1卷积聚合与残差连接保留原始信息，对各类视觉任务的特征进行针对性强化、修正线性适配器的视觉建模缺陷，抑制无效特征干扰，提升目标检测、实例分割、语义分割等复杂视觉任务的精度与训练效率。专栏目录：YOLOv13改进目录一览 | 涉及卷积层、轻量化、注意力、损失函数、Backbone、SPPF、Neck、检测头等全方位改进专栏地址：YOLOv13改进专栏——以发表论文的角度，快速准确的找到有效涨点的创新点！文章目录一、本文介绍二、Mona介绍2.1 设计出发点2.2 模块结构2.3 模块优势三、Mona的实现代码四、创新模块4.1 改进点1⭐4.2 改进点2⭐五、添加步骤5.1 修改一5.2 修改二5.3 修改三六、yaml模型文件6.1 模型改进版本16.2 模型改进版本2⭐七、成功运行结果二、Mona介绍2.1 设计出发点现有视觉适配器（Adapter）沿用NLP线性结构，对视觉2D信号适配差；单一感受野无法实现多尺度视觉认知，且特征分布偏移导致迁移效果差，始终无法超越全微调（Full Fine-tuning）上限。因此提出多认知视觉适配器 Mona，专为视觉任务重设计，突破全微调性能天花板。2.2 模块结构Mona（Multi-cognitive Visual Adapter）结构：缩放归一化输入：LayerNorm + 可学习缩放系数，稳定输入特征分布；多尺度深度卷积认知：3×3、5×5、7×7多路深度卷积，并行提取多尺度视觉特征；特征聚合与残差：1×1卷积融合 + 多支路残差连接，保留原始信息并增强表达；轻量升维投影：GeLU激活 + 上下投影，以极少参数完成视觉知识迁移。2.3 模块优势视觉友好强适配
