昨天深夜调试一个复杂场景检测任务时,又遇到了那个老问题:不同尺度目标检测性能总是不均衡。小目标召回率上去了,大目标的定位精度就往下掉;调高P3层的权重,远处车辆检测好了,近处行人框又开始抖。这种多尺度特征融合的平衡问题,在工程实践中就像走钢丝,手动调参简直是在碰运气。
这时候我想起了ASFF(Adaptive Spatial Feature Fusion)——那个让特征图自己学会融合权重的模块。与其手动设置各层贡献比例,不如让网络在训练过程中动态学习。今天就把这个模块集成到YOLOv11的颈部网络中,看看实际效果如何。
一、问题根源:传统FPN的硬融合缺陷
查看当前YOLOv11的neck部分,还是标准的PANet结构:
# 当前融合方式 - 简单相加或拼接
def forward(self, p3, p4, p5):
<
订阅专栏 解锁全文
3895



被折叠的 条评论
为什么被折叠?



