将任意图像增强模型与ultralytics中任意模型进行结合 （二）| yolo11与gdip模块、ipam的融合实践

ultralytics库代码总是在不断更新迭代，原来自行添加到ultralytics库的模型代码，随着更新的yolo模型发布，自行修改模型代码又要进行新一轮同步，这不是一个明智的操作。为此博主提出将任意图像增强模型与ultralytics中任意模型进行结合方式，前面仅是以低亮度图像修复模型SCINet为例，在这里以带雾图像增强模块gdip、ipam模块的与ultralytics库中最新模型yolo11的融合。

ultralytics 库代码更新
参考https://blog.csdn.net/tombosky/article/details/133861767 进行代码回退

# 暂存本地更改
git stash
# 与服务器代码进行合并
git pull origin main

1、模块保存

gdip-yolo与ia-seg都是一种将图像自适应模块插入模型前面，从而提升模型在特定数据下检测能力的网络结构。gdip-yolo提出了gdip模块，可以应用到大雾数据与低亮度数据（夜晚环境），然后用于目标检测训练；ia-seg将ia-yolo中的代码修改了一下修车了ipam模块，应用到低亮度数据（夜晚环境），然后用于语义分割训练。这两个项目都发布了预训练模型，我们可