051、YOLOv11改进-引入DEA动态集成注意力模块即插即用提升多尺度特征融合能力涨点实验

051、YOLOv11改进-引入DEA动态集成注意力模块即插即用提升多尺度特征融合能力涨点实验

踩坑实录：小目标检测的“注意力困境”

上个月调一个无人机航拍数据集，小目标AP愣是卡在0.23上不去。试了CBAM、SE、CA这些常规注意力，要么参数量涨得离谱，要么小目标召回率纹丝不动。最气人的是，可视化特征图发现——模型在浅层特征上注意力权重几乎均匀分布，该聚焦的小目标区域反而被背景淹没了。

后来翻到一篇ECCV的论文，提到“动态集成注意力”（Dynamic Ensemble Attention），思路很直接：不同尺度的特征需要不同粒度的注意力机制，强行用同一套注意力权重去处理多尺度特征，本质上是把模型逼成“近视眼”。DEA的核心是让每个尺度特征自己“投票”选择最合适的注意力模式，而不是像传统方法那样一刀切。

DEA模块到底在干什么

先看结构。DEA不是单一注意力，而是三个并行分支的集成：通道注意力（捕捉“是什么”）、空间注意力（捕捉“在哪里”）、以及一个动态门控（决定前两个分支的融合比例）。关键创新在于这个门控——它不是固定的，而是根据输入特征的统计特性（比如均值、方差）自适应调整。

classDynamicEnsembleAttention(n