052、YOLOv11改进-SGE空间组增强注意力即插即用集成到Neck层轻量高效涨点方案
052、YOLOv11改进-SGE空间组增强注意力即插即用集成到Neck层轻量高效涨点方案
一个让我半夜爬起来改代码的bug
上个月调一个工业缺陷检测项目，YOLOv11 baseline跑出来mAP@0.5:0.95在0.723卡了整整三天。特征图可视化一看，Neck层出来的小目标响应几乎被背景噪声淹没了——典型的特征混淆问题。当时试了CBAM、SE这些老牌注意力，参数量倒是没涨多少，但推理速度掉了15%，甲方那边接受不了。
后来翻到SGE（Spatial Group-wise Enhance）这篇论文，突然意识到之前走弯路了。SGE的核心思路不是在整个特征图上做全局注意力，而是把通道分组，每组内部做空间注意力——这玩意儿天然适合Neck层的多尺度特征融合场景。实测在YOLOv11的Neck里插两个SGE模块，参数量只涨了0.03M，mAP直接跳到0.761，推理速度几乎没变化。
SGE到底在干什么
先别急着看代码，理解SGE的设计哲学比实现更重要。常规注意力机制（比如SE）是对整个特征图做通道重标定，相当于给所有像素发统一的“重要性评分”。但实际场景中，不同空间位置的特征重要性差异很大——比如一张图上同时有汽车和行人，汽车区域和行人区域的特征响应模式完全不同。
SGE的做法很巧妙：把特征图沿通道维度分成G组（论文默认G=64），每组独立计算空间注意力。这样每组相当于一个“专家”，只关注自己负责的那部分语义信息。具体计算分三步：
- 对每组特征图做全局平均池化，得到一个组描述向量