YOLO11 改进 – 注意力机制 _ CAA上下文锚点注意力：条带卷积捕捉长程依赖，优化多尺度与长形目标检测

前言

本文介绍了PKINet中的上下文锚点注意力模块（CAA）及其在YOLOv11中的应用。CAA模块旨在解决遥感图像目标检测中远程上下文信息不足的问题，通过局部特征提取、条带卷积和注意力机制，增强中心特征表达能力。该模块具有轻量化、特征增强和多尺度适应等优点。我们将CAA模块引入YOLOv11，在检测头部分的不同尺度特征图上应用该模块。实验表明，改进后的YOLOv11在目标检测任务中表现良好，证明了CAA模块在提升模型性能方面的有效性。

文章目录： YOLOv11改进大全：卷积层、轻量化、注意力机制、损失函数、Backbone、SPPF、Neck、检测头全方位优化汇总

专栏链接: YOLOv11改进专栏

文章目录

[TOC]

介绍

摘要

遥感图像目标检测面临日益严峻的技术挑战，主要表现为目标尺度的显著变异以及上下文环境的复杂多样性。传统方法通常通过扩展主干网络的空间感受野来应对这些挑战，主要采用大核卷积或膨胀卷积策略。然而，大核卷积往往引入大量背景噪声干扰，而膨胀卷积则可能导致特征表示过于稀疏。针对上述问题，本文提出了一种新型多核嵌入网络（PKINet）架构。该网络采用多尺度卷积核（不含膨胀机制）来提取不同尺度的目标特征并有效捕获局部上下文信息。同时，并行引入了上下文锚点注意力（CAA）模块，专门用于捕获长距离上下文依赖关系。这两个核心组件的协同作用显著提升了PKINet在四个具有挑战性的遥感检测基准数据集（包括DOTA-v1.0、DOTA-v1.5、HRSC2016和DIOR-R）上的综合性能表现。

文章链接

论文地址： 论文地址

代码地址： 代码地址

基本原理

上下文锚点注意力模块（Context Anchor Attention, CAA） 是PKINet中一个关键的模块，设计用于捕捉远程上下文信息，并在特征提取过程中增强中心特征的表达能力。CAA模块的引入旨在解决遥感图像中目标检测时，远程上下文信息不足的问题，特别是在处理尺度变化大或长形目标时表现突出。

1. 模块结构与操作

• 局部特征提取 ：首先，CAA模块通过全局平均池化操作获取局部区域特征。接下来，这些特征通过一个1×1的卷积层，以减少维度和计算量。

• 条带卷积 ：为了有效捕捉远程上下文信息，CAA模块采用了两个深度可分离条带卷积（strip convolutions），分别在水平方向和垂直方向上进行。这种设计被用来模拟一个大核卷积的效果，能够在保持轻量化的同时，显著扩大感受野。

• 注意力机制 ：通过卷积后的特征进行Sigmoid操作生成一个注意力权重图（attention map）。这个注意力权重图与PKI模块输出的特征图进行逐元素相乘，从而实现特征的增强。

2. 模块优点

• 轻量化 ：与标准的大核卷积相比，条带卷积的设计大大减少了计算成本，同时保持了感受野的扩大效果。这种设计特别适合处理细长目标，例如桥梁等。

• 特征增强 ：CAA模块通过对特征图的增强，使得模型在目标检测时能够更加准确地捕捉目标的上下文信息，特别是在处理需要广泛上下文信息的小目标时，CAA模块展现出了优越的表现。

3. 多尺度适应

• CAA模块在PKINet的不同阶段使用时，卷积核的大小会随着网络的深度增加而调整。这种设计能够确保在处理不同尺度的目标时，CAA模块能够动态地适应并捕捉所需的上下文信息。

YOLOv8引入代码

在根目录下的 ultralytics/nn/ 目录，新建一个 attention 目录，然后新建一个以 CAA 为文件名的py文件， 把代码拷贝进去。

import torch
import torch.nn as nn
from mmcv.cnn import ConvModule
from mmengine.model import BaseModule
from typing import Optional, Union, Sequence

class CAA(BaseModule):
    """Context Anchor Attention"""
    def __init__(
            self,
            channels: int,
            h_kernel_size: int = 11,
            v_kernel_size: int = 11,
            norm_cfg: Optional[dict] = dict(type='BN', momentum=0.03, eps=0.001),
            act_cfg: Optional[dict] = dict(type='SiLU'),
            init_cfg: Optional[dict] = None,
    ):
        super().__init__(init_cfg)
        self.avg_pool = nn.AvgPool2d(7, 1, 3)
        self.conv1 = ConvModule(channels, channels, 1, 1, 0,
                                norm_cfg=norm_cfg, act_cfg=act_cfg)
        self.h_conv = ConvModule(channels, channels, (1, h_kernel_size), 1,
                                 (0, h_kernel_size // 2), groups=channels,
                                 norm_cfg=None, act_cfg=None)
        self.v_conv = ConvModule(channels, channels, (v_kernel_size, 1), 1,
                                 (v_kernel_size // 2, 0), groups=channels,
                                 norm_cfg=None, act_cfg=None)
        self.conv2 = ConvModule(channels, channels, 1, 1, 0,
                                norm_cfg=norm_cfg, act_cfg=act_cfg)
        self.act = nn.Sigmoid()

    def forward(self, x):
        attn_factor = self.act(self.conv2(self.v_conv(self.h_conv(self.conv1(self.avg_pool(x))))))
        return attn_factor

注册

在 ultralytics/nn/tasks.py 中进行如下操作：

步骤1:

from ultralytics.nn.attention.CAA import  CAA 

步骤2

修改 def parse_model(d, ch, verbose=True) :

        elif m in {CAA}:
            args = [ch[f], *args]

配置yolov11-CAA.yaml

ultralytics/cfg/models/11/yolov11-CAA.yaml

# Ultralytics YOLO 🚀, AGPL-3.0 license
# YOLO11 object detection model with P3-P5 outputs. For Usage examples see https://docs.ultralytics.com/tasks/detect

# Parameters
nc: 80 # number of classes
scales: # model compound scaling constants, i.e. 'model=yolo11n.yaml' will call yolo11.yaml with scale 'n'
  # [depth, width, max_channels]
  n: [0.50, 0.25, 1024] # summary: 319 layers, 2624080 parameters, 2624064 gradients, 6.6 GFLOPs
  s: [0.50, 0.50, 1024] # summary: 319 layers, 9458752 parameters, 9458736 gradients, 21.7 GFLOPs
  m: [0.50, 1.00, 512] # summary: 409 layers, 20114688 parameters, 20114672 gradients, 68.5 GFLOPs
  l: [1.00, 1.00, 512] # summary: 631 layers, 25372160 parameters, 25372144 gradients, 87.6 GFLOPs
  x: [1.00, 1.50, 512] # summary: 631 layers, 56966176 parameters, 56966160 gradients, 196.0 GFLOPs

# YOLO11n backbone
backbone:
  # [from, repeats, module, args]
  - [-1, 1, Conv, [64, 3, 2]] # 0-P1/2
  - [-1, 1, Conv, [128, 3, 2]] # 1-P2/4
  - [-1, 2, C3k2, [256, False, 0.25]]
  - [-1, 1, Conv, [256, 3, 2]] # 3-P3/8
  - [-1, 2, C3k2, [512, False, 0.25]]
  - [-1, 1, Conv, [512, 3, 2]] # 5-P4/16
  - [-1, 2, C3k2, [512, True]]
  - [-1, 1, Conv, [1024, 3, 2]] # 7-P5/32
  - [-1, 2, C3k2, [1024, True]]
  - [-1, 1, SPPF, [1024, 5]] # 9
  - [-1, 2, C2PSA, [1024]] # 10

# YOLO11n head
head:
  - [-1, 1, nn.Upsample, [None, 2, "nearest"]]
  - [[-1, 6], 1, Concat, [1]] # cat backbone P4
  - [-1, 2, C3k2, [512, False]] # 13

  - [-1, 1, nn.Upsample, [None, 2, "nearest"]]
  - [[-1, 4], 1, Concat, [1]] # cat backbone P3
  - [-1, 2, C3k2, [256, False]] # 16 (P3/8-small)
  - [-1, 1, CAA, []]  #17

  - [-1, 1, Conv, [256, 3, 2]]
  - [[-1, 13], 1, Concat, [1]] # cat head P4
  - [-1, 2, C3k2, [512, False]] # 20 (P4/16-medium)
  - [-1, 1, CAA, []]  # 21

  - [-1, 1, Conv, [512, 3, 2]]
  - [[-1, 10], 1, Concat, [1]] # cat head P5
  - [-1, 2, C3k2, [1024, True]] # 24 (P5/32-large)
  - [-1, 1, CAA, []]  # 25

  - [[17, 21, 25], 1, Detect, [nc]] # Detect(P3, P4, P5)

实验

脚本

import warnings
warnings.filterwarnings('ignore')
from ultralytics import YOLO

if __name__ == '__main__':
#     修改为自己的配置文件地址
    model = YOLO('/root/ultralytics-main/ultralytics/cfg/models/11/yolov11-CAA.yaml')
#     修改为自己的数据集地址
    model.train(data='/root/ultralytics-main/ultralytics/cfg/datasets/coco8.yaml',
                cache=False,
                imgsz=640,
                epochs=10,
                single_cls=False,  # 是否是单类别检测
                batch=8,
                close_mosaic=10,
                workers=0,
                optimizer='SGD',
                amp=True,
                project='runs/train',
                name='CAA',
                )

结果