YOLOv11改进，YOLOv11添加ASFF检测头，并添加小目标检测层（四头检测），适合目标检测、分割等任务，全网首发

摘要

一种新颖的数据驱动的金字塔特征融合策略，称为自适应空间特征融合 （ASFF）。它学习了在空间上过滤冲突信息以抑制不一致的方法，从而提高了特征的尺度不变性，并引入了几乎免费的推理开销。

# 理论介绍

目标检测在处理不同尺度的目标时，常采用特征金字塔结构。然而，这种金字塔结构在单步检测器中存在尺度不一致性问题，即不同尺度的特征层在检测过程中可能产生冲突，导致精度下降。ASFF方法通过学习每个尺度特征的自适应融合权重，过滤掉无用的或冲突的信息，只保留有助于检测的特征，从而提高特征的尺度不变性。ASFF核心步骤如下：

• 特征重缩放：首先将不同层次的特征进行上采样或下采样，使它们具有相同的分辨率。

• 自适应融合：对每个层次的特征，模型学习空间位置的权重参数，自动决定每个位置该融合哪些特征，并通过Softmax函数保证权重总和为1。融合后的特征用于目标检测。

• 梯度一致性优化：通过自适应融合，ASFF能够在梯度传播过程中减少不同特征层之间的冲突，优化训练过程中的梯度一致性

ASFF自适应空间特征融合机制的工作原理如下图（摘自论文）：

理论详解可以参考链接：论文地址
代码可在这个链接找到：代码地址

小目标理论

在YOLOv11 中，输入图像的尺寸为 640x640x3，经过 8 倍、16 倍和 32 倍下采样后分别得到 80x80、40x40 以及 20x20 大小的特征图，网络最终在这三个不同尺度的特征图上进行目标检测。在这三个尺度的特征图中，局部感受野最小的是 8 倍下采样特征图，即如果将该特征图映射到原输入图像，则每个网格对应原图 8x8 的区域。对于分辨率较小的目标而言，8 倍下采样得到的特征图感受野仍然偏大，容易丢失某些小目标的位置和细节信息。为了改善目标漏检现状，对 YOLOv8 的 Head 结构进行优化，在原有的三尺度检测头的基础之上，新增一个针对微小目标检测的检测头 ，YOLOv11 原有 P3、P4 和 P5 这 3 个输出层，分别用于检测小、中、大目标，增加 P2 检测层后，网络能在4个不同尺度的特征图上做检测，P2 能检测到最小目标分辨率为 4x4。通过增加小尺度检测头的方式，整个网络能在 4 倍、8 倍、16 倍和 32 倍下采样特征图上预测不同尺度的目标，大幅度提高了算法的多尺度目标检测性能。四个检测头如下表格所示：