一、本文介绍
本文记录的是利用HCANet模型中提出的CAFM模块优化YOLOv11的目标检测网络模型。CAFM利用卷积操作的局部特征提取能力，并通过自注意力机制补充全局信息，优化了特征提取能力。本文将其加入到YOLOv11中，使模型能够增强复杂图像的适应能力，并在不增加过多计算负担的情况下提高特征提取能力。
专栏目录：YOLOv11改进目录一览 | 涉及卷积层、轻量化、注意力、损失函数、Backbone、SPPF、Neck、检测头等全方位改进
本文记录的是利用HCANet模型中提出的CAFM模块优化YOLOv11的目标检测网络模型。CAFM利用卷积操作的局部特征提取能力，并通过自注意力机制补充全局信息，优化了特征提取能力。本文将其加入到YOLOv11中，使模型能够增强复杂图像的适应能力，并在不增加过多计算负担的情况下提高特征提取能力。
专栏目录：YOLOv11改进目录一览 | 涉及卷积层、轻量化、注意力、损失函数、Backbone、SPPF、Neck、检测头等全方位改进
道可道，非常道；名可名，非常名。 无名，天地之始，有名，万物之母。 故常无欲，以观其妙，常有欲，以观其徼。 此两者，同出而异名，同谓之玄，玄之又玄，众妙之门。