YOLO11 改进系列 | 基于 MambaOut 门控框架与 SFSConv 空间频率选择的原创 C3k2_MambaOut_SFSC 模块,适合复杂纹理场景
YOLO11 改进 | C3k2_MambaOut_SFSC 原创双路增强替换 C3k2 全流程指南
- 一、本文简介
- 1.1 原始 `C3k2` 的局限
- 1.2 `C3k2_MambaOut_SFSC` 做了什么
- 1.3 实测参数量与 GFLOPs 对比
- 二、模块原理详解
- 2.1 从底层到顶层的结构树
- 2.2 原始 `C3k2` 与融合版的本质差异
- 2.3 外层 `C3k2_MambaOut_SFSC` 的前向流程
- 2.4 为什么它更适合实例分割
- 三、改进思想与创新点
- 3.1 背景与动机
- 3.2 核心创新点
- 3.3 与原始 `C3k2` 的对比
- 3.4 在 YOLOv11 中的适配设计
- 四、完整代码
- 4.1 YOLO 基础卷积封装
- 4.2 `C3k2` 外层骨架
- 4.3 `SFS_Conv` 及其依赖
- 4.4 `LayerNormGeneral` 依赖
- 4.5 融合后的 `GatedSFSCBlock_BCHW` 与最终 YOLO 封装
- 五、手把手配置步骤
- 5.1 第一步:`extra_modules/__init__.py` 是否需要额外导入
- 5.2 第二步:`tasks.py` 是否需要注册
- 5.3 第三步:训练命令示例
- 六、YAML 配置文件
- 6.1 形式一:全面替换
- 6.2 形式二:仅替换 Backbone
- 6.3 形式三:精度优先模式
- 6.4 形式四:混合模式
- 6.5 形式五:P2 四尺度版
- 七、常见问题
- 7.1 `NameError: name 'C3k2_MambaOut_SFSC' is not defined`
- 7.2 需要安装哪些第三方依赖
- 7.3 如何把 `Segment` 版改成 `Detect` 版
- 7.4 YAML 参数怎么理解
- 八、总结
专栏系列:YOLOv11 注意力/精度改进实战
改进点:将具备门控通道调制能力的 MambaOut 风格Gated CNN Block,与具备空间-频率双路选择能力的SFS_Conv进行协同设计,构建仓库原创二次创新模块C3k2_MambaOut_SFSC。该模块保留 YOLOv11C2f/C3k2外壳,在不改动主干拓扑的前提下增强局部结构建模、频率纹理提取和通道选择能力,适合复杂纹理、弱边界和高频细节较多的检测/分割场景。
一、本文简介
本文介绍一个仓库原创二次创新模块C3k2_MambaOut_SFSC。该模块借鉴CVPR 2025 MambaOut《Do We Really Need Mamba for Vision?》中的门控卷积式特征调制思想,并结合CVPR 2024《Unleashing Channel Potential: Space-Frequency Selection Convolution for SAR Object Detection》中的空间-频率双路选择卷积思想,在ultralytics/nn/extra_modules/block.py中重新组合为适配 YOLOv11 <
