YOLO11 改进、魔改｜双坐标注意力特征提取模块DCAFE,通过并行平均 - 最大池化与坐标注意力编码，高效捕捉特征图的长程依赖、位置信息

原创于 2025-09-24 09:21:15 发布 · 1.4k 阅读

32 ·

CC 4.0 BY-SA版权

文章标签：

#人工智能 #YOLO #yolo11 #小目标 #yolov11 #背景干扰 #yolo11改进

YOLOV11魔改专栏收录该内容

118 篇文章

订阅专栏

在深度学习图像特征提取任务中，传统注意力机制存在明显局限：例如 Squeeze-and-Excitation（SE）注意力仅聚焦于编码通道间信息，完全忽略了对特征判别至关重要的位置信息；即便常规坐标注意力（CA）能捕捉方向与位置关联，但其多依赖单一平均池化操作，易导致关键特征模糊（如平均池化的均值计算会聚合冗余信息），难以应对复杂场景（如目标与背景相似、类内差异大等）。在药用花卉识别等任务中，复杂背景、花瓣纹理细微差异等问题进一步凸显了传统模块的不足 —— 无法同时兼顾长程依赖捕捉、位置信息保留与鲁棒特征提取。为解决这一痛点，DCAFE（双坐标注意力特征提取）模块应运而生，旨在通过创新结构优化特征提取能力，同时控制计算开销。

1.DCAFE原理

DCAFE 以坐标注意力（CA）为基础，核心创新在于并行融合平均池化与最大池化，实现 “全局趋势 + 局部关键” 特征的双重捕捉。具体流程如下：

对输入特征图（维度为H×W×C，H为高度、W为宽度、C为通道数），分别沿水平方向（X 轴，池化核大小(H,1)）和垂直方向（Y 轴，池化核大小(W,1)）执行两类池化：平均池化（XAvgPool、YAvgPool）提取全局平稳特征以抑制噪声，最大池化（XMaxPool、YMaxPool）保留局部关键特征（如边缘、纹理）以避免细节丢失；
对池化后的特征向量，通过 1×1 卷积进行通道降维（下采样比Dr=32，确保计算效率），经 ReLU6 激活函数限制数值范围以稳定训练；
将降维后的特征沿空间维度拆分为水平和垂直方向的特征张量，再通过 1×1 卷积恢复原始通道数，经 sigmoid 函数生成对应的水平（sha、shm）和垂直（swa、swm）注意力权重矩阵；
分别将平均池化、最大池化对应的注意力权重与原始特征图相乘，得到两类注意力增强特征图（Ya、Ym），最终通过特征拼接输出增强后的特征图，实现长程依赖、位置信息与鲁棒特征的一体化提取，且无额外大量计算开销。

DCAFE 模块整体呈 “并行提取 - 编码增强 - 拼接输出” 的三层结构，具体包含三个核心组件：

并行池化层：作为特征输入与初步筛选单元，同时部署平均池化分支和最大池化分支 —— 平均池化分支（XAvgPool、YAvgPool）沿 X/Y 轴提取全局特征以过滤背景噪声，最大池化分支（XMaxPool、YMaxPool）沿 X/Y 轴捕捉局部关键特征以保留细节，双分支并行确保特征的全面性；
坐标注意力编码层：作为特征增强核心，对并行池化后的特征向量依次执行 “1×1 卷积降维→ReLU6 激活→空间维度拆分→1×1 卷积通道恢复→sigmoid 权重生成” 操作，将空间坐标信息编码为注意力权重，实现对目标位置与方向的精准聚焦；
特征拼接层：作为输出单元，将平均池化分支生成的全局增强特征图（Ya）与最大池化分支生成的局部增强特征图（Ym）拼接，最终输出 1260 个增强通道的特征图，为后续任务（分类、检测、分割）提供富含判别性的特征基础。

2. DCAFE习作思路

在目标检测中的优点

结合 DCAFE 的并行池化与坐标注意力编码结构，在目标检测中，其能通过水平 / 垂直方向的双池化精准捕捉目标的位置与姿态信息（如小目标的边界轮廓、重叠目标的空间分布），避免单一池化导致的目标细节模糊或位置偏移；同时，长程依赖捕捉能力可有效区分目标与复杂背景（如目标被遮挡、背景元素与目标纹理相似的场景），强化对目标关键区域（如目标的局部判别特征）的注意力权重，减少背景噪声对检测框定位与类别判断的干扰，进而提升检测的精准度、召回率与小目标检测性能。

在分割中的优点

DCAFE 的结构设计使其在分割任务中具备 “全局 - 局部” 协同的优势：并行的平均池化与最大池化能分别保留分割目标的全局结构特征（如目标的整体形态、区域范围）和局部细节特征（如目标的边缘纹理、细微轮廓），避免单一池化造成的边缘丢失或冗余背景信息混入；坐标注意力编码则能精准定位分割目标的空间位置，对目标区域的特征响应进行强化，对背景区域的特征进行抑制，从而在精细分割场景（如多目标重叠分割、边缘模糊目标分割）中，有效提升分割结果的边缘精度（减少边缘锯齿）与区域一致性（避免目标区域断裂或背景误分割）。

3. YOLO与DCAFE的结合

YOLO 作为实时目标检测模型，融入 DCAFE 后，可借助其坐标注意力机制精准捕捉小目标、重叠目标的特征，减少复杂背景对目标识别的干扰，解决 YOLO 在小目标检测精度不足的痛点；同时 DCAFE 无额外大量计算开销的特性，能在提升检测精度的同时，保障 YOLO 原有的实时性优势，避免模型复杂度显著增加导致的推理速度下降。

4.DCAFE代码部分

YOLO11|YOLO12|改进| 双坐标注意力特征提取模块DCAFE,通过并行平均 - 最大池化与坐标注意力编码，高效捕捉特征图的长程依赖、位置信息_哔哩哔哩_bilibili

YOLOv11模型改进讲解，教您如何修改YOLOv11_哔哩哔哩_bilibili

代码获取：YOLOv8_improve/YOLOV12.md at master · tgf123/YOLOv8_improve · GitHub

5. DCAFE到YOLOv11中

第一: 将下面的核心代码复制到D:\model\yolov11\ultralytics\change_model路径下，如下图所示。

第二：在task.py中导入包

第三：在task.py中的模型配置部分下面代码

第四：将模型配置文件复制到YOLOV11.YAMY文件中

第五：运行代码

from ultralytics.models import NAS, RTDETR, SAM, YOLO, FastSAM, YOLOWorld
import torch
if __name__=="__main__":



    # 使用自己的YOLOv8.yamy文件搭建模型并加载预训练权重训练模型
    model = YOLO("/home/shengtuo/tangfan/YOLO11/ultralytics/cfg/models/11/yolo11_CSA_ConvBlock.yaml")\
        # .load(r'E:\Part_time_job_orders\YOLO\YOLOv11\yolo11n.pt')  # build from YAML and transfer weights

    results = model.train(data="/home/shengtuo/tangfan/YOLO11/ultralytics/cfg/datasets/VOC_my.yaml",
                          epochs=300,
                          imgsz=640,
                          batch=4,
                          # cache = False,
                          # single_cls = False,  # 是否是单类别检测
                          # workers = 0,
                          # resume=r'D:/model/yolov8/runs/detect/train/weights/last.pt',
                          amp = False
                          )