YOLOv11涨点改进| ICCV 2025 | 独家创新、特征融合改进篇| 引入I-SCA / V-SCA特征融合模块，含多种创新改进，助力图像融合、小目标检测、图像分割、多模态融合检测高效涨点改进

一、本文介绍

🔥本文给大家介绍使用  I-SCA 和 V-SCA 模块（IVSCAM）改进 YOLOv11网络模型的核心作用，是在特征提取与融合阶段增强不同层级或不同来源特征之间的交互能力，使模型能够以更明确的引导方式突出关键目标区域。其中，I-SCA 更适合强化类似显著区域、热目标或高响应区域的引导作用，V-SCA 更适合强化纹理、边缘和结构细节信息，两者结合后可以让 YOLOv11同时兼顾目标显著性与外观细节，从而提升复杂场景下的特征表达质量。其优势在于能够改善传统特征融合中信息交互不足的问题，增强全局建模能力，提高小目标、弱目标和遮挡目标的检测效果，同时提升定位精度、鲁棒性和多尺度检测能力；此外，这类模块以源特征为引导进行跨特征注意力计算，具有更强的针对性和可解释性，但引入后也会增加一定计算量，需要在检测精度与实时性之间进行权衡。

🔥欢迎订阅我的专栏、带你学习使用最新-最前沿-独家YOLOv11创新改进！🔥

YOLOv11专栏改进目录：YOLOv11改进专栏包含卷积、主干网络、各种注意力机制、检测头、损失函数、Neck改进、小目标检测、二次创新模块、C2PSA/C3k2二次创新改进、全网独家创新等创新点改进

全新YOLOv11-发论文改进专栏链接：全新YOLOv11创新改进高效涨点+永久更新中（至少500+改进）+高效跑实验发论文

本文目录

一、本文介绍

二、I-SCA / V-SCA特征融合模块介绍

2.1 I-SCA / V-SCA模块结构图

2.2 I-SCA / V-SCA模块的作用：

2.3 I-SCA / V-SCA模块的原理

2.4 I-SCA / V-SCA模块的优势

三、完整核心代码

 四、手把手教你配置模块和修改tasks.py文件

1.首先在ultralytics/nn/newsAddmodules创建一个.py文件

2.在ultralytics/nn/newsAddmodules/__init__.py中引用

3.修改tasks.py文件

五、创建涨点yaml配置文件

🚀 创新改进1🔥: yolov11n_IVSCAM.yaml

🚀 创新改进2🔥: yolov11n_IVSCAM-2.yaml

🚀 创新改进3🔥: yolov11n_IVSCAM-3.yaml

六、正常运行

二、I-SCA / V-SCA特征融合模块介绍

摘要：红外与可见光图像融合（IVF）旨在通过整合不同模态的最佳特性来构建复合输出。本文首次揭示了红外图像固有的“注意力特性”，这些特性直接源于其物理特征（即热量分布），并可自然地与注意力机制相关联——这一现象在图像分类模型的梯度加权类别激活映射（Grad-CAM）可视化分析中得到验证。为将该特性融入IVF以提升融合效果，我们提出源红外交叉注意力机制（I-SCA），并进一步将其扩展至可见光模态，进而引入源可见光交叉注意力机制（V-SCA）。I-SCA与V-SCA的联合应用显著缓解了IVF领域长期存在的问题，例如多模态特征交互与融合不足及不完整等。此外，我们为I-SCA和 VSCA 引入了辅助组件 CBSM ，用于增强通道空间映射能力，同时抑制源图像的冗余信息与误导性特征。具体而言，我们将 CBSM 处理后的原始图像直接作为查询输入，而将另一模态的中间特征作为I-SCA和V-SCA中的键值对。与将图像分割为块状或局限于局部窗口计算的注意力机制不同，我们的交叉注意力模块通过全图像空间