学习资源站

YOLOv11改进-细节创新篇-最新动态特征融合模块DFF二次创新C3k2助力yolov11有效涨点（全网独家首发）

一、本文介绍

本文给大家带来的最新改进机制是D-Net: Dynamic Large Kernel with Dynamic Feature Fusion for Volumetric Medical Image Segmentation文章提出的 动态特征融合（DFF）模块，我将其用于二次创新C3k2机制，利用其能够 解决不同尺度的局部特征在融合时的信息丢失的能力， DFF 基于全局信息自适应地融合不同尺度的局部特征图，使得网络能够在更大的感受野下有效结合多尺度信息，通过动态融合，DFF能够更好地保留局部特征的细节，同时增强全局信息的有效利用，本文内容主要适用于分割网络，下图为DFF网络结构图， 本文附二次创新C3k2机制并提供多个使用方法.

欢迎大家订阅我的专栏一起学习YOLO，购买专栏读者联系读者入群获取进阶项目文件！

一、本文介绍

三、核心代码

四、添加教程

4.1 修改一

4.2 修改二

4.3 修改三

4.4 修改四

五、正式训练

5.1 yaml文件1

5.2 yaml文件2

5.3 训练代码

5.4 训练过程截图

五、本文总结

二、原理介绍

官方论文地址： 官方论文地址点击此处即可跳转

官方代码地址：

这篇论文的核心思想是通过引入 动态大卷积核（DLK） 和 动态特征融合（DFF） 模块，结合 层次化视觉变换器（ViT） 架构，来克服卷积神经网络（CNN）和传统视觉变换器在医学图像分割中的一些局限性。传统的CNN在处理大范围和复杂形态的医学图像时，由于固定卷积核的局限，无法充分捕捉多尺度特征或有效利用全局上下文信息。而ViT尽管能处理远程上下文信息，但由于特征嵌入过程，未能有效提取低层次特征。为了解决这些问题，作者提出了多个创新模块，最终构建了一个新的医学图像分割架构， 称为 D-Net ，并进一步提出了 DLK-NETR 来进一步验证这些模块的有效性。

分点介绍：

  1. 动态大卷积核（DLK）模块 ：

    • 目的 ：解决CNN使用固定大小卷积核时无法适应大形态和大小变化的器官问题。
    • 机制 ：DLK采用多个大卷积核，并通过不同的大小和膨胀率来捕捉多尺度特征。通过这种方式，网络可以更好地适应医学图像中器官的大小和形状变化。
    • 动态选择机制 ：DLK利用全局信息自适应地选择最重要的通道和空间特征，从而提高网络的灵活性和准确性。

  2. 动态特征融合（DFF）模块（本文引用的模块） ：

    • 目的 ：解决不同尺度的局部特征在融合时的信息丢失问题。
    • 机制 ：DFF基于全局信息自适应地融合不同尺度的局部特征图，使得网络能够在更大的感受野下有效结合多尺度信息。
    • 优势 ：通过动态融合，DFF能够更好地保留局部特征的细节，同时增强全局信息的有效利用，提升分割精度。

  3. 显著性层（Salience Layer） ：

    • 目的 ：解决ViT架构中低层次特征提取不充分的问题。
    • 机制 ：显著性层直接从原始图像中提取低层次特征，避免了ViT特征嵌入过程中可能丢失的重要信息。显著性层还使用通道混合器来有效地捕捉全局表示。
    • 作用 ：它帮助网络更好地获取低级别的空间信息和细节，提高分割任务的表现。

  4. D-Net架构 ：

    • 构建 ：D-Net结合了DLK、DFF和显著性层模块，构建了一个新的医学图像分割架构。该网络通过多尺度感受野和全局上下文信息的自适应利用，能够有效分割医学图像。
    • 优势 ：通过层次化ViT架构，D-Net可以更好地处理医学图像的复杂性和多样性，特别是那些具有明显形态变化的器官或结构。

  5. DLK-NETR架构 ：

    • 构建 ：为了进一步验证DLK模块的有效性，作者将其集成到了一个混合CNN-ViT架构中，创建了DLK-NETR。这个架构融合了卷积神经网络和视觉变换器的优点，既能有效提取局部特征，又能利用全局上下文信息。
    • 验证 ：通过对多个医学图像分割任务进行实验，DLK-NETR展示了比现有的最先进模型更高的分割性能，并且具有较低的计算复杂度。

总结： 本文通过引入 动态大卷积核（DLK） 、 动态特征融合（DFF） 和 显著性层 ，有效地解决了传统CNN和ViT在医学图像分割中的不足。DLK模块通过多尺度特征的捕捉和动态选择机制提高了分割的精度，DFF模块通过自适应地融合多尺度局部特征增强了全局信息的有效利用，而显著性层则确保低层次特征的提取不被忽略。最终，这些创新模块被集成到层次化的ViT架构中，构建了 D-Net ，并通过实验验证了其在医学图像分割任务中的优越性。此外，通过将DLK模块结合到混合CNN-ViT架构中，进一步验证了这些方法的有效性。

这些创新不仅提升了医学图像分割的精度，而且在计算复杂度上也具有优势，展示了其在实际应用中的巨大潜力。

三、核心代码

核心代码的使用方式看章节四！ 

  1. import torch
  2. import torch.nn as nn
  4. __all__ = ['C3k2_DFF_1', 'C3k2_DFF_2']
  7. class DFF(nn.Module):
  8.     def __init__(self, dim):
  9.         super().__init__()
  11.         self.avg_pool = nn.AdaptiveAvgPool2d(1)
  12.         self.conv_atten = nn.Sequential(
  13.             nn.Conv2d(dim * 2, dim * 2, kernel_size=1, bias=False),
  14.             nn.Sigmoid()
  15.         )
  16.         self.conv_redu = nn.Conv2d(dim * 2, dim, kernel_size=1, bias=False)
  18.         self.conv1 = nn.Conv2d(dim, 1, kernel_size=1, stride=1, bias=True)
  19.         self.conv2 = nn.Conv2d(dim, 1, kernel_size=1, stride=1, bias=True)
  20.         self.nonlin = nn.Sigmoid()
  22.     def forward(self, x, skip):
  23.         output = torch.cat([x, skip], dim=1)
  25.         att = self.conv_atten(self.avg_pool(output))
  26.         output = output * att
  27.         output = self.conv_redu(output)
  29.         att = self.conv1(x) + self.conv2(skip)
  30.         att = self.nonlin(att)
  31.         output = output * att
  32.         return output
  38. class Bottleneck_DFF(nn.Module):
  39.     """Standard bottleneck."""
  41.     def __init__(self, c1, c2, shortcut=True, g=1, k=(3, 3), e=0.5):
  42.         """Initializes a bottleneck module with given input/output channels, shortcut option, group, kernels, and
  43.         expansion.
  44.         """
  45.         super().__init__()
  46.         c_ = int(c2 * e)  # hidden channels
  47.         self.cv1 = Conv(c1, c_, k[0], 1)
  48.         self.cv2 = Conv(c_, c2, k[1], 1, g=g)
  49.         self.add = shortcut and c1 == c2
  50.         self.DFF = DFF(c2)
  52.     def forward(self, x):
  53.         """'forward()' applies the YOLO FPN to input data."""
  54.         if self.add:
  55.             results = self.DFF(x, self.cv2(self.cv1(x)))
  56.         else:
  57.             results = self.cv2(self.cv1(x))
  58.         return results
  61. class Bottleneck(nn.Module):
  62.     """Standard bottleneck."""
  64.     def __init__(self, c1, c2, shortcut=True, g=1, k=(3, 3), e=0.5):
  65.         """Initializes a standard bottleneck module with optional shortcut connection and configurable parameters."""
  66.         super().__init__()
  67.         c_ = int(c2 * e)  # hidden channels
  68.         self.cv1 = Conv(c1, c_, k[0], 1)
  69.         self.cv2 = Conv(c_, c2, k[1], 1, g=g)
  70.         self.add = shortcut and c1 == c2
  72.     def forward(self, x):
  73.         """Applies the YOLO FPN to input data."""
  74.         return x + self.cv2(self.cv1(x)) if self.add else self.cv2(self.cv1(x))
  77. class C2f(nn.Module):
  78.     """Faster Implementation of CSP Bottleneck with 2 convolutions."""
  80.     def __init__(self, c1, c2, n=1, shortcut=False, g=1, e=0.5):
  81.         """Initializes a CSP bottleneck with 2 convolutions and n Bottleneck blocks for faster processing."""
  82.         super().__init__()
  83.         self.c = int(c2 * e)  # hidden channels
  84.         self.cv1 = Conv(c1, 2 * self.c, 1, 1)
  85.         self.cv2 = Conv((2 + n) * self.c, c2, 1)  # optional act=FReLU(c2)
  86.         self.m = nn.ModuleList(Bottleneck(self.c, self.c, shortcut, g, k=((3, 3), (3, 3)), e=1.0) for _ in range(n))
  88.     def forward(self, x):
  89.         """Forward pass through C2f layer."""
  90.         y = list(self.cv1(x).chunk(2, 1))
  91.         y.extend(m(y[-1]) for m in self.m)
  92.         return self.cv2(torch.cat(y, 1))
  94.     def forward_split(self, x):
  95.         """Forward pass using split() instead of chunk()."""
  96.         y = list(self.cv1(x).split((self.c, self.c), 1))
  97.         y.extend(m(y[-1]) for m in self.m)
  98.         return self.cv2(torch.cat(y, 1))
  100. def autopad(k, p=None, d=1):  # kernel, padding, dilation
  101.     """Pad to 'same' shape outputs."""
  102.     if d > 1:
  103.         k = d * (k - 1) + 1 if isinstance(k, int) else [d * (x - 1) + 1 for x in k]  # actual kernel-size
  104.     if p is None:
  105.         p = k // 2 if isinstance(k, int) else [x // 2 for x in k]  # auto-pad
  106.     return p
  109. class Conv(nn.Module):
  110.     """Standard convolution with args(ch_in, ch_out, kernel, stride, padding, groups, dilation, activation)."""
  111.     default_act = nn.SiLU()  # default activation
  113.     def __init__(self, c1, c2, k=1, s=1, p=None, g=1, d=1, act=True):
  114.         """Initialize Conv layer with given arguments including activation."""
  115.         super().__init__()
  116.         self.conv = nn.Conv2d(c1, c2, k, s, autopad(k, p, d), groups=g, dilation=d, bias=False)
  117.         self.bn = nn.BatchNorm2d(c2)
  118.         self.act = self.default_act if act is True else act if isinstance(act, nn.Module) else nn.Identity()
  120.     def forward(self, x):
  121.         """Apply convolution, batch normalization and activation to input tensor."""
  122.         return self.act(self.bn(self.conv(x)))
  124.     def forward_fuse(self, x):
  125.         """Perform transposed convolution of 2D data."""
  126.         return self.act(self.conv(x))
  129. class C3(nn.Module):
  130.     """CSP Bottleneck with 3 convolutions."""
  132.     def __init__(self, c1, c2, n=1, shortcut=True, g=1, e=0.5):
  133.         """Initialize the CSP Bottleneck with given channels, number, shortcut, groups, and expansion values."""
  134.         super().__init__()
  135.         c_ = int(c2 * e)  # hidden channels
  136.         self.cv1 = Conv(c1, c_, 1, 1)
  137.         self.cv2 = Conv(c1, c_, 1, 1)
  138.         self.cv3 = Conv(2 * c_, c2, 1)  # optional act=FReLU(c2)
  139.         self.m = nn.Sequential(*(Bottleneck(c_, c_, shortcut, g, k=((1, 1), (3, 3)), e=1.0) for _ in range(n)))
  141.     def forward(self, x):
  142.         """Forward pass through the CSP bottleneck with 2 convolutions."""
  143.         return self.cv3(torch.cat((self.m(self.cv1(x)), self.cv2(x)), 1))
  146. class C3k(C3):
  147.     """C3k is a CSP bottleneck module with customizable kernel sizes for feature extraction in neural networks."""
  149.     def __init__(self, c1, c2, n=1, shortcut=True, g=1, e=0.5, k=3):
  150.         """Initializes the C3k module with specified channels, number of layers, and configurations."""
  151.         super().__init__(c1, c2, n, shortcut, g, e)
  152.         c_ = int(c2 * e)  # hidden channels
  153.         # self.m = nn.Sequential(*(RepBottleneck(c_, c_, shortcut, g, k=(k, k), e=1.0) for _ in range(n)))
  154.         self.m = nn.Sequential(*(Bottleneck(c_, c_, shortcut, g, k=(k, k), e=1.0) for _ in range(n)))
  156. class C3kDFF(C3):
  157.     """C3k is a CSP bottleneck module with customizable kernel sizes for feature extraction in neural networks."""
  159.     def __init__(self, c1, c2, n=1, shortcut=True, g=1, e=0.5, k=3):
  160.         """Initializes the C3k module with specified channels, number of layers, and configurations."""
  161.         super().__init__(c1, c2, n, shortcut, g, e)
  162.         c_ = int(c2 * e)  # hidden channels
  163.         # self.m = nn.Sequential(*(RepBottleneck(c_, c_, shortcut, g, k=(k, k), e=1.0) for _ in range(n)))
  164.         self.m = nn.Sequential(*(Bottleneck_DFF(c_, c_, shortcut, g, k=(k, k), e=1.0) for _ in range(n)))
  167. class C3k2_DFF_1(C2f):
  168.     """Faster Implementation of CSP Bottleneck with 2 convolutions."""
  170.     def __init__(self, c1, c2, n=1, c3k=False, e=0.5, g=1, shortcut=True):
  171.         """Initializes the C3k2 module, a faster CSP Bottleneck with 2 convolutions and optional C3k blocks."""
  172.         super().__init__(c1, c2, n, shortcut, g, e)
  173.         self.m = nn.ModuleList(
  174.             C3k(self.c, self.c, 2, shortcut, g) if c3k else Bottleneck_DFF(self.c, self.c, shortcut, g)for _ in range(n)
  175.         )
  176.         # 解析利用Bottleneck_iAFF替换Bottneck
  178. class C3k2_DFF_2(C2f):
  179.     """Faster Implementation of CSP Bottleneck with 2 convolutions."""
  181.     def __init__(self, c1, c2, n=1, c3k=False, e=0.5, g=1, shortcut=True):
  182.         """Initializes the C3k2 module, a faster CSP Bottleneck with 2 convolutions and optional C3k blocks."""
  183.         super().__init__(c1, c2, n, shortcut, g, e)
  184.         self.m = nn.ModuleList(
  185.             C3kDFF(self.c, self.c, 2, shortcut, g) if c3k else Bottleneck(self.c, self.c, shortcut, g)for _ in range(n)
  186.         )
  187.         # 解析利用Bottleneck_iAFF替换Bottneck
  191. if __name__ == '__main__':
  192.     from thop import profile, clever_format
  193.     inp1= torch.rand(1,48,256,256)
  194.     model = C3k2_DFF_2(48,48, c3k=True)
  195.     out = model(inp1)
  196.     print(out.shape)

四、添加教程

4.1 修改一

第一还是建立文件，我们找到如下ultralytics/nn文件夹下建立一个目录名字呢就是'Addmodules'文件夹( 用群内的文件的话已经有了无需新建) ！然后在其内部建立一个新的py文件将核心代码复制粘贴进去即可。

​

4.2 修改二

第二步我们在该目录下创建一个新的py文件名字为'__init__.py'( 用群内的文件的话已经有了无需新建) ，然后在其内部导入我们的检测头如下图所示。

​

4.3 修改三

第三步找到如下文件'ultralytics/nn/tasks.py'进行导入和注册我们的模块( 用群内的文件的话已经有了无需重新导入直接开始第四步即可) ！

​

4.4 修改四

找到文件到如下文件'ultralytics/nn/tasks.py'，在其中的parse_model方法中添加即可。

​

到此就修改完成了，大家可以复制下面的yaml文件运行,

如果不会添加可联系作者入群观看视频教程。

五、正式训练

5.1 yaml文件1

训练信息：YOLO11-C3k2-DFF-1 summary: 365 layers, 2,654,412 parameters, 2,654,396 gradients, 6.6 GFLOPs 

  1. # Ultralytics YOLO 🚀, AGPL-3.0 license
  2. # YOLO11 object detection model with P3-P5 outputs. For Usage examples see https://docs.ultralytics.com/tasks/detect
  4. # Parameters
  5. nc: 80 # number of classes
  6. scales: # model compound scaling constants, i.e. 'model=yolo11n.yaml' will call yolo11.yaml with scale 'n'
  7.   # [depth, width, max_channels]
  8.   n: [0.50, 0.25, 1024] # summary: 319 layers, 2624080 parameters, 2624064 gradients, 6.6 GFLOPs
  9.   s: [0.50, 0.50, 1024] # summary: 319 layers, 9458752 parameters, 9458736 gradients, 21.7 GFLOPs
  10.   m: [0.50, 1.00, 512] # summary: 409 layers, 20114688 parameters, 20114672 gradients, 68.5 GFLOPs
  11.   l: [1.00, 1.00, 512] # summary: 631 layers, 25372160 parameters, 25372144 gradients, 87.6 GFLOPs
  12.   x: [1.00, 1.50, 512] # summary: 631 layers, 56966176 parameters, 56966160 gradients, 196.0 GFLOPs
  14. # YOLO11n backbone
  15. backbone:
  16.   # [from, repeats, module, args]
  17.   - [-1, 1, Conv, [64, 3, 2]] # 0-P1/2
  18.   - [-1, 1, Conv, [128, 3, 2]] # 1-P2/4
  19.   - [-1, 2, C3k2_DFF_1, [256, False, 0.25]]
  20.   - [-1, 1, Conv, [256, 3, 2]] # 3-P3/8
  21.   - [-1, 2, C3k2_DFF_1, [512, False, 0.25]]
  22.   - [-1, 1, Conv, [512, 3, 2]] # 5-P4/16
  23.   - [-1, 2, C3k2_DFF_1, [512, True]]
  24.   - [-1, 1, Conv, [1024, 3, 2]] # 7-P5/32
  25.   - [-1, 2, C3k2_DFF_1, [1024, True]]
  26.   - [-1, 1, SPPF, [1024, 5]] # 9
  27.   - [-1, 2, C2PSA, [1024]] # 10
  29. # YOLO11n head
  30. head:
  31.   - [-1, 1, nn.Upsample, [None, 2, "nearest"]]
  32.   - [[-1, 6], 1, Concat, [1]] # cat backbone P4
  33.   - [-1, 2, C3k2_DFF_1, [512, False]] # 13
  35.   - [-1, 1, nn.Upsample, [None, 2, "nearest"]]
  36.   - [[-1, 4], 1, Concat, [1]] # cat backbone P3
  37.   - [-1, 2, C3k2_DFF_1, [256, False]] # 16 (P3/8-small)
  39.   - [-1, 1, Conv, [256, 3, 2]]
  40.   - [[-1, 13], 1, Concat, [1]] # cat head P4
  41.   - [-1, 2, C3k2_DFF_1, [512, False]] # 19 (P4/16-medium)
  43.   - [-1, 1, Conv, [512, 3, 2]]
  44.   - [[-1, 10], 1, Concat, [1]] # cat head P5
  45.   - [-1, 2, C3k2_DFF_1, [1024, True]] # 22 (P5/32-large)
  47.   - [[16, 19, 22], 1, Detect, [nc]] # Detect(P3, P4, P5)

5.2 yaml文件2

训练信息：YOLO11-C3k2-DFF-2 summary: 374 layers, 2,702,254 parameters, 2,702,238 gradients, 6.5 GFLOPs 

  1. # Ultralytics YOLO 🚀, AGPL-3.0 license
  2. # YOLO11 object detection model with P3-P5 outputs. For Usage examples see https://docs.ultralytics.com/tasks/detect
  4. # Parameters
  5. nc: 80 # number of classes
  6. scales: # model compound scaling constants, i.e. 'model=yolo11n.yaml' will call yolo11.yaml with scale 'n'
  7.   # [depth, width, max_channels]
  8.   n: [0.50, 0.25, 1024] # summary: 319 layers, 2624080 parameters, 2624064 gradients, 6.6 GFLOPs
  9.   s: [0.50, 0.50, 1024] # summary: 319 layers, 9458752 parameters, 9458736 gradients, 21.7 GFLOPs
  10.   m: [0.50, 1.00, 512] # summary: 409 layers, 20114688 parameters, 20114672 gradients, 68.5 GFLOPs
  11.   l: [1.00, 1.00, 512] # summary: 631 layers, 25372160 parameters, 25372144 gradients, 87.6 GFLOPs
  12.   x: [1.00, 1.50, 512] # summary: 631 layers, 56966176 parameters, 56966160 gradients, 196.0 GFLOPs
  14. # YOLO11n backbone
  15. backbone:
  16.   # [from, repeats, module, args]
  17.   - [-1, 1, Conv, [64, 3, 2]] # 0-P1/2
  18.   - [-1, 1, Conv, [128, 3, 2]] # 1-P2/4
  19.   - [-1, 2, C3k2_DFF_2, [256, False, 0.25]]
  20.   - [-1, 1, Conv, [256, 3, 2]] # 3-P3/8
  21.   - [-1, 2, C3k2_DFF_2, [512, False, 0.25]]
  22.   - [-1, 1, Conv, [512, 3, 2]] # 5-P4/16
  23.   - [-1, 2, C3k2_DFF_2, [512, True]]
  24.   - [-1, 1, Conv, [1024, 3, 2]] # 7-P5/32
  25.   - [-1, 2, C3k2_DFF_2, [1024, True]]
  26.   - [-1, 1, SPPF, [1024, 5]] # 9
  27.   - [-1, 2, C2PSA, [1024]] # 10
  29. # YOLO11n head
  30. head:
  31.   - [-1, 1, nn.Upsample, [None, 2, "nearest"]]
  32.   - [[-1, 6], 1, Concat, [1]] # cat backbone P4
  33.   - [-1, 2, C3k2_DFF_2, [512, False]] # 13
  35.   - [-1, 1, nn.Upsample, [None, 2, "nearest"]]
  36.   - [[-1, 4], 1, Concat, [1]] # cat backbone P3
  37.   - [-1, 2, C3k2_DFF_2, [256, False]] # 16 (P3/8-small)
  39.   - [-1, 1, Conv, [256, 3, 2]]
  40.   - [[-1, 13], 1, Concat, [1]] # cat head P4
  41.   - [-1, 2, C3k2_DFF_2, [512, False]] # 19 (P4/16-medium)
  43.   - [-1, 1, Conv, [512, 3, 2]]
  44.   - [[-1, 10], 1, Concat, [1]] # cat head P5
  45.   - [-1, 2, C3k2_DFF_2, [1024, True]] # 22 (P5/32-large)
  47.   - [[16, 19, 22], 1, Detect, [nc]] # Detect(P3, P4, P5)

5.3 训练代码

大家可以创建一个py文件将我给的代码复制粘贴进去，配置好自己的文件路径即可运行。 

  1. import warnings
  2. warnings.filterwarnings('ignore')
  3. from ultralytics import YOLO
  5. if __name__ == '__main__':
  6.     model = YOLO('替换你的模型配置文件yaml文件地址')
  7.     # 如何切换模型版本, 上面的ymal文件可以改为 yolov11s.yaml就是使用的v11s,
  8.     # 类似某个改进的yaml文件名称为yolov11-XXX.yaml那么如果想使用其它版本就把上面的名称改为yolov11l-XXX.yaml即可（改的是上面YOLO中间的名字不是配置文件的）！
  9.     # model.load('yolo11n.pt') # 是否加载预训练权重,科研不建议大家加载否则很难提升精度
  10.     model.train(data=r"替换你的数据集配置文件地址",
  11.                 # 如果大家任务是其它的'ultralytics/cfg/default.yaml'找到这里修改task可以改成detect, segment, classify, pose
  12.                 cache=False,
  13.                 imgsz=640,
  14.                 epochs=150,
  15.                 single_cls=False,  # 是否是单类别检测
  16.                 batch=16,
  17.                 close_mosaic=0,
  18.                 workers=0,
  19.                 device='0',
  20.                 optimizer='SGD', # using SGD
  21.                 # resume='runs/train/exp21/weights/last.pt', # 如过想续训就设置last.pt的地址
  22.                 amp=False,  # 如果出现训练损失为Nan可以关闭amp
  23.                 project='runs/train',
  24.                 name='exp',
  25.                 )

5.4 训练过程截图

五、本文总结

到此本文的正式分享内容就结束了，在这里给大家推荐我的YOLOv11改进有效涨点专栏，本专栏目前为新开的平均质量分98分，后期我会根据各种最新的前沿顶会进行论文复现，也会对一些老的改进机制进行补充，如果大家觉得本文帮助到你了，订阅本专栏，关注后续更多的更新~