2025深度学习发论文&模型涨点之——YOLO-Mamba
YOLO + Mamba 是一种将 YOLO 系列目标检测算法与 Mamba 状态空间模型（State Space Model, SSM）相结合的方法，旨在提高目标检测的效率和准确性。
YOLO + Mamba 的结合在多个领域展示了显著的性能提升，特别是在处理低分辨率图像和开放词汇目标检测方面。
这些研究不仅提高了检测的准确性，还显著降低了计算复杂度，使其更适合实时应用。未来的研究可能会进一步探索 Mamba 在其他视觉任务中的应用潜力。
小编整理了一些YOLO-Mamba【论文】合集，以下放出部分，全部论文PDF版皆可领取。
需要的同学
回复“111”即可全部领取论文精选论文1：FER-YOLO-Mamba: Facial Expression Detection and Classification Based on Selective State Space基于选择性状态空间的面部表情检测与分类的FER-YOLO-Mamba方法
FER-YOLO-VSS双分支模块：提出了一种FER-YOLO-VSS双分支模块，将卷积层提取局部特征的能力与状态空间模型（SSMs）揭示长距离依赖的能力相结合。
注意力机制：设计了一个包含多层感知器（MLP）的注意力块（ABMLP），通过全局平均池化、MLP和逐元素乘法技术实现输入特征图的空间注意力机制。
状态空间模型（SSMs）：利用SSMs的全局感受野和线性计算复杂度，通过选择性扫描机制提取面部表情图像的长距离依赖特征。
创新点
FER-YOLO-VSS双分支模块：该模块结合了局部和全局信息，通过特征细化模块（FRM）和全向状态空间（OSS）分支，提高了模型对关键信息的处理能力，提升了面部表情检测的精度。例如，在RAF-DB数据集上，FER-YOLO-Mamba模型的mAP得分达到了80.31%，相比YOLOvX模型提高了1.91%。
注意力机制：ABMLP模块通过选择性地突出关键信息区域，抑制无关或次要区域的影响，增强了模型的判别能力。例如，在SFEW数据集上，FER-YOLO-Mamba模型的“Sad”情绪类别的AP得分达到了71.78%，相比其他方法有显著提升。
状态空间模型（SSMs）：通过选择性扫描机制，SSMs能够动态调整系统矩阵B和D，有效提取面部表情图像的长距离依赖特征，提高了检测和分类的准确性。例如，在RAF-DB数据集上，FER-YOLO-Mamba模型的“Surprise”情绪类别的AP得分达到了91.44%，表现优异。
论文2：
Mamba YOLO: A Simple Baseline for Object Detection with State Space ModelMamba YOLO：一种基于状态空间模型的简单目标检测基线方法
ODMamba骨干网络：提出了一种基于状态空间模型（SSM）的ODMamba骨干网络，通过线性复杂度的SSM解决自注意力机制的二次复杂度问题。
RG Block：设计了RG Block，采用多分支结构建模通道维度，解决了SSM在序列建模中的感受野不足和图像定位能力弱的问题。
简单的Stem层：采用简化的Stem层，通过两个步幅为2、核大小为3的卷积操作，替代传统的非重叠补丁划分方法。
创新点
ODMamba骨干网络：通过引入SSM，ODMamba骨干网络在保持线性内存复杂度的同时，无需在大规模数据集上进行预训练，建立了YOLO在目标检测中的新基线。例如，在COCO数据集上，Mamba YOLO-T模型的AP值达到了44.5%，相比YOLOv8-S模型提高了4.6%。
RG Block：RG Block通过门控聚合机制和深度卷积残差连接，使模型能够传播重要的特征信息，提高了模型的表达能力。例如，在COCO数据集上，Mamba YOLO-B模型的AP值达到了49.1%，相比Gold-YOLO-M模型提高了3.7%。
简化的Stem层：简化的Stem层通过两个卷积操作，提高了模型的性能和效率。例如，在COCO数据集上，Mamba YOLO-L模型的AP值达到了52.1%，相比DINO-R50模型提高了1.3%。
论文3：
Mamba-YOLO-World: Marrying YOLO-World with Mamba for Open-Vocabulary DetectionMamba-YOLO-World：将YOLO-World与Mamba结合用于开放词汇检测方法
MambaFusion-PAN：提出了一种基于状态空间模型（SSM）的特征融合机制MambaFusion-PAN，用于替代YOLO中的路径聚合特征金字塔网络。
平行引导选择性扫描（PGSS）：引入了PGSS算法，通过并行地将压缩的文本信息注入Mamba参数中，实现对图像特征的全局引导。
串行引导选择性扫描（SGSS）：提出了SGSS算法，通过串行地调整Mamba参数，利用压缩的视觉信息指导文本特征的提取。
创新点
MambaFusion-PAN：通过引入SSM，MambaFusion-PAN在保持线性复杂度的同时，提供了全局引导的感受野，提高了开放词汇检测的性能。例如，在COCO数据集上，Mamba-YOLO-World模型的AP值相比YOLO-World模型提高了0.4%至1.3%。
PGSS算法：PGSS算法通过并行地将文本信息注入Mamba参数中，实现了对图像特征的全局引导，提高了特征融合的效果。例如，在LVIS数据集上，Mamba-YOLO-World模型的AP值相比YOLO-World模型提高了1.5%。
SGSS算法：SGSS算法通过串行地调整Mamba参数，利用压缩的视觉信息指导文本特征的提取，增强了模型对文本描述中上下文信息的利用。例如，在COCO数据集上，Mamba-YOLO-World模型的AP值相比YOLO-World模型提高了0.4%至1.3%。
论文4：
YOLO-Mamba: object detection method for infrared aerial imagesYOLO-Mamba：一种用于红外航拍图像的目标检测方法方法
Mamba块注意力模块（MBAM）：提出了一种基于Mamba的注意力模块MBAM，包括Mamba空间注意力模块（MSAM）和Mamba通道注意力模块（MCAM），分别从空间和通道维度计算图像的注意力。
YOLO-Mamba模型：将MBAM模块集成到YOLOv8n模型中，通过替换C2f模块，增强了网络提取长距离语义信息的能力。
选择性状态空间模型（Mamba）：利用Mamba的选择性扫描机制，提取图像特征的全局上下文信息，提高了算法对图像关键区域的关注度。
创新点
MBAM模块：MBAM模块通过从空间和通道维度计算注意力，有效地提取了长距离语义信息，提高了目标检测的精度。例如，在红外航拍图像数据集上，MBAM模块相比CBAM和SE模块，mAP50分别提高了0.8%和1.3%。
YOLO-Mamba模型：将MBAM模块集成到YOLOv8n模型中，仅增加了0.1 M的参数量，但mAP50指标提高了1.1%，mAP50-95指标提高了0.8%。
Mamba的选择性扫描机制：通过选择性扫描机制，Mamba能够有效地提取图像特征的全局上下文信息，提高了算法对关键区域的关注度。例如，在红外航拍图像数据集上，YOLO-Mamba模型的mAP50指标相比YOLOv8n模型提高了1.1%。
YOLO + Mamba 是一种将 YOLO 系列目标检测算法与 Mamba 状态空间模型（State Space Model, SSM）相结合的方法，旨在提高目标检测的效率和准确性。
YOLO + Mamba 的结合在多个领域展示了显著的性能提升，特别是在处理低分辨率图像和开放词汇目标检测方面。
这些研究不仅提高了检测的准确性，还显著降低了计算复杂度，使其更适合实时应用。未来的研究可能会进一步探索 Mamba 在其他视觉任务中的应用潜力。
小编整理了一些YOLO-Mamba【论文】合集，以下放出部分，全部论文PDF版皆可领取。
需要的同学
回复“111”即可全部领取论文精选论文1：FER-YOLO-Mamba: Facial Expression Detection and Classification Based on Selective State Space基于选择性状态空间的面部表情检测与分类的FER-YOLO-Mamba方法
FER-YOLO-VSS双分支模块：提出了一种FER-YOLO-VSS双分支模块，将卷积层提取局部特征的能力与状态空间模型（SSMs）揭示长距离依赖的能力相结合。
注意力机制：设计了一个包含多层感知器（MLP）的注意力块（ABMLP），通过全局平均池化、MLP和逐元素乘法技术实现输入特征图的空间注意力机制。
状态空间模型（SSMs）：利用SSMs的全局感受野和线性计算复杂度，通过选择性扫描机制提取面部表情图像的长距离依赖特征。
创新点
FER-YOLO-VSS双分支模块：该模块结合了局部和全局信息，通过特征细化模块（FRM）和全向状态空间（OSS）分支，提高了模型对关键信息的处理能力，提升了面部表情检测的精度。例如，在RAF-DB数据集上，FER-YOLO-Mamba模型的mAP得分达到了80.31%，相比YOLOvX模型提高了1.91%。
注意力机制：ABMLP模块通过选择性地突出关键信息区域，抑制无关或次要区域的影响，增强了模型的判别能力。例如，在SFEW数据集上，FER-YOLO-Mamba模型的“Sad”情绪类别的AP得分达到了71.78%，相比其他方法有显著提升。
状态空间模型（SSMs）：通过选择性扫描机制，SSMs能够动态调整系统矩阵B和D，有效提取面部表情图像的长距离依赖特征，提高了检测和分类的准确性。例如，在RAF-DB数据集上，FER-YOLO-Mamba模型的“Surprise”情绪类别的AP得分达到了91.44%，表现优异。
论文2：
Mamba YOLO: A Simple Baseline for Object Detection with State Space ModelMamba YOLO：一种基于状态空间模型的简单目标检测基线方法
ODMamba骨干网络：提出了一种基于状态空间模型（SSM）的ODMamba骨干网络，通过线性复杂度的SSM解决自注意力机制的二次复杂度问题。
RG Block：设计了RG Block，采用多分支结构建模通道维度，解决了SSM在序列建模中的感受野不足和图像定位能力弱的问题。
简单的Stem层：采用简化的Stem层，通过两个步幅为2、核大小为3的卷积操作，替代传统的非重叠补丁划分方法。
创新点
ODMamba骨干网络：通过引入SSM，ODMamba骨干网络在保持线性内存复杂度的同时，无需在大规模数据集上进行预训练，建立了YOLO在目标检测中的新基线。例如，在COCO数据集上，Mamba YOLO-T模型的AP值达到了44.5%，相比YOLOv8-S模型提高了4.6%。
RG Block：RG Block通过门控聚合机制和深度卷积残差连接，使模型能够传播重要的特征信息，提高了模型的表达能力。例如，在COCO数据集上，Mamba YOLO-B模型的AP值达到了49.1%，相比Gold-YOLO-M模型提高了3.7%。
简化的Stem层：简化的Stem层通过两个卷积操作，提高了模型的性能和效率。例如，在COCO数据集上，Mamba YOLO-L模型的AP值达到了52.1%，相比DINO-R50模型提高了1.3%。
论文3：
Mamba-YOLO-World: Marrying YOLO-World with Mamba for Open-Vocabulary DetectionMamba-YOLO-World：将YOLO-World与Mamba结合用于开放词汇检测方法
MambaFusion-PAN：提出了一种基于状态空间模型（SSM）的特征融合机制MambaFusion-PAN，用于替代YOLO中的路径聚合特征金字塔网络。
平行引导选择性扫描（PGSS）：引入了PGSS算法，通过并行地将压缩的文本信息注入Mamba参数中，实现对图像特征的全局引导。
串行引导选择性扫描（SGSS）：提出了SGSS算法，通过串行地调整Mamba参数，利用压缩的视觉信息指导文本特征的提取。
创新点
MambaFusion-PAN：通过引入SSM，MambaFusion-PAN在保持线性复杂度的同时，提供了全局引导的感受野，提高了开放词汇检测的性能。例如，在COCO数据集上，Mamba-YOLO-World模型的AP值相比YOLO-World模型提高了0.4%至1.3%。
PGSS算法：PGSS算法通过并行地将文本信息注入Mamba参数中，实现了对图像特征的全局引导，提高了特征融合的效果。例如，在LVIS数据集上，Mamba-YOLO-World模型的AP值相比YOLO-World模型提高了1.5%。
SGSS算法：SGSS算法通过串行地调整Mamba参数，利用压缩的视觉信息指导文本特征的提取，增强了模型对文本描述中上下文信息的利用。例如，在COCO数据集上，Mamba-YOLO-World模型的AP值相比YOLO-World模型提高了0.4%至1.3%。
论文4：
YOLO-Mamba: object detection method for infrared aerial imagesYOLO-Mamba：一种用于红外航拍图像的目标检测方法方法
Mamba块注意力模块（MBAM）：提出了一种基于Mamba的注意力模块MBAM，包括Mamba空间注意力模块（MSAM）和Mamba通道注意力模块（MCAM），分别从空间和通道维度计算图像的注意力。
YOLO-Mamba模型：将MBAM模块集成到YOLOv8n模型中，通过替换C2f模块，增强了网络提取长距离语义信息的能力。
选择性状态空间模型（Mamba）：利用Mamba的选择性扫描机制，提取图像特征的全局上下文信息，提高了算法对图像关键区域的关注度。
创新点
MBAM模块：MBAM模块通过从空间和通道维度计算注意力，有效地提取了长距离语义信息，提高了目标检测的精度。例如，在红外航拍图像数据集上，MBAM模块相比CBAM和SE模块，mAP50分别提高了0.8%和1.3%。
YOLO-Mamba模型：将MBAM模块集成到YOLOv8n模型中，仅增加了0.1 M的参数量，但mAP50指标提高了1.1%，mAP50-95指标提高了0.8%。
Mamba的选择性扫描机制：通过选择性扫描机制，Mamba能够有效地提取图像特征的全局上下文信息，提高了算法对关键区域的关注度。例如，在红外航拍图像数据集上，YOLO-Mamba模型的mAP50指标相比YOLOv8n模型提高了1.1%。
