YOLOv11改进策略【Neck】| PRCV 2023，SBA：特征融合模块，描绘物体轮廓重新校准物体位置，解决边界模糊问题

一、本文介绍

本文主要利用DuAT中的SBA 模块优化 YOLOv11 的目标检测网络模型。SBA 模块借鉴了医疗图像分割中处理边界信息的独特思路，通过创新性的结构设计，在维持合理计算复杂度的基础上，巧妙融合浅层的边界细节特征与深层的语义信息，实现边界特征的精准提取与语义信息的有效整合。将其应用于YOLOv11的改进过程中，能够使模型着重聚焦于目标物体的边界区域，降低背景及其他无关信息的影响，强化目标物体的边界特征表达，从而提升模型在复杂场景下对目标物体的检测精度与定位准确性。

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

专栏地址：YOLOv11改进专栏——以发表论文的角度，快速准确的找到有效涨点的创新点！

文章目录

• 一、本文介绍
• 二、SBA介绍
• • 2.1 出发点
  • 2.2 结构原理
  • 2.3 作用
• 三、SBA的实现代码
• 四、添加步骤
• • 4.1 修改一
  • 5.2 修改二