一、本文介绍
🔥本文给大家介绍使用ERM（Edge-aware Refinement Module，边缘感知细化模块）改进 YOLOv11 网络模型，主要作用于特征融合和检测前的细化阶段，用于弥补 YOLOv13 在下采样和多尺度融合过程中造成的边界信息损失。ERM 通过显式建模边缘和梯度信息，引导网络重点关注目标与背景变化最剧烈的区域，从而增强目标轮廓表达，提升边界定位精度。在复杂背景和小目标场景中，ERM 能有效抑制伪边缘和背景干扰，减少相邻目标粘连与误检问题。整体来看，ERM 在不显著增加计算开销的前提下，使 YOLOv11 的检测结果更加精细、边界更清晰、IoU 更高，尤其适合对定位精度和目标形态要求较高的红外与遥感检测任务。
🔥欢迎订阅我的专栏、带你学习使用最新-最前沿-独家YOLOv11创新改进！🔥
专栏改进目录：YOLOv11改进专栏包含卷积、主干网络、各种注意力机制、检测头、损失函数、Neck改进、小目标检测、二次创新模块、C2PSA/C3k2二次创新改进、全网独家创新等创新点改进
全新YOLOv11-发论文改进专栏链接：全新YOLOv11创新改进高效涨点+永久更新中（至少500+改进）+高效跑实验发论文<
