在单图像超分辨率任务中，之前的 SR 模型采用的注意力机制虽能获取信息特征，但存在不足。它们无法同时兼顾局部与长距离信息，且多考虑固定感受野。大核注意力（LKA）虽能构建长距离关系，但存在空洞卷积导致的块状伪影及固定大小不够灵活的问题。受视觉注意力研究启发，本文提出的多尺度大核注意力（MLKA），通过结合大核分解与多尺度学习，由大核注意力建立依赖、多尺度机制获取异构尺度相关、门控聚合动态校准，解决了上述问题，能在不同粒度获取长距离依赖，提升模型表示能力并避免伪影。基于此，本文将MLKA与YOLOv8 的C2f模块相结合，提出C2f_AFE模块，旨在解决复杂场景下的目标检测问题，进一步提升模型整体性能。
1. 自适应特征增强（AFE）模块介绍
在单图像超分辨率任务中，先前的注意力机制存在不足。之前的方法难以同时获取局部信息和长距离依赖关系，且多考虑固定感受野的注意力图。例如大核注意力（LKA）存在问题，其采用的空洞卷积可能引发块状伪影，影响图像重建性能，且固定大小的 LKA 在利用待定特征时不够灵活。MLKA 的原理是结合大核分解和多尺度学习来解决这些问题，使模型能在不同粒度级别获取长距离依赖关系，避免块状伪影，更灵活地利用特征信息。
MLKA 的结构
大核注意力（LKA）：对于输入特征图，LKA 通过特定方式分解大核卷积来构建长距离关系。它把卷积分解为三个组件，分别是一个特定尺寸的深度卷积、一个深度空洞卷积和一个点卷积，通过这三个组件的组合操作来实现长距离关系的构建。
多尺度机制：为获取全尺度信息，采用分组多尺度机制增强固定的 LKA。先将输入特征图拆分成多个部分，对于每组特征，使用由不同参数分解的 LKA 来生成同质尺度注意力图。文中使用了三组特定参数的 LKA，通过不同的卷积组合方式实现不同尺度的特征提取。
门控聚合：考虑到超分辨率任务对空洞卷积和分区的容忍度低，门控聚合利用空间门来动态调整 LKA。空间门由特定尺寸的深度卷积生成，通过与 LKA 的运算，避免块效应并学习更多局部信息。不同尺度的生成结果具有不同特性，大感受野的更关注长距离依赖，小感受野的更倾向于保留局部纹理。
整体结构关系：MLKA 由 LKA、多尺度机制和门控聚合这三个主要部分构成。LKA 建立相互依赖关系，多尺度机制获取不同尺度相关性，门控聚合进行动态重新校准。三者协同工作，让 MLKA 在不同粒度获取长距离依赖，提升模型表示能力，避免块状伪影，有效控制计算成本，从而提升超分辨率任务性能。
2. 接下来，我们将详细介绍如何将MLKA集成到 YOLOv8 模型中
这是我的GitHub代码：tgf123/YOLOv8_improve (github.com)
这是改进讲解：YOLOv8模型改进 第二十四讲 添加多尺度大核注意力（MLKA） 提高多尺度检测能力_哔哩哔哩_bilibili
2.1 如何添加
1. 首先，在我上传的代码中yolov8_improve中找到MLKA.py代码部分，它包含两个部分一个是MLKA.py的核心代码，一个是yolov8模型的配置文件。
2. 然后我们在ultralytics文件夹下面创建一个新的文件夹，名字叫做change_models, 然后再这个文件夹下面创建AFE.py文件，然后将AFE的核心代码放入其中
3. 在 task.py文件中导入C2f_AFE
from ultralytics.change_models.MLKA import MLKA_Ablation
4. 然后将 MLKA_Ablation添加到下面当中
5. 最后将配置文件复制到下面文件夹下
6. 运行代码跑通
from ultralytics.models import NAS, RTDETR, SAM, YOLO, FastSAM, YOLOWorld
if __name__=="__main__":
# 使用自己的YOLOv8.yamy文件搭建模型并加载预训练权重训练模型
model = YOLO(r"D:\model\yolov8\ultralytics\cfg\models\v8\yolov8_MLKA.yaml")\
.load(r'D:\model\yolov8\yolov8n.pt') # build from YAML and transfer weights
results = model.train(data=r'D:\model\yolov8\ultralytics\cfg\datasets\VOC_my.yaml',
epochs=300,
imgsz=640,
batch=64,
# cache = False,
# single_cls = False, # 是否是单类别检测
# workers = 0,
# resume=r'D:/model/yolov8/runs/detect/train/weights/last.pt',
# amp = True
)