YOLOv11 改进 - 注意力机制 | MFCA频率通道注意力(Multi-Frequency Channel Attention)：解决小目标特征信息少、易被噪声干扰的问题

张开发
• 2026/4/19 7:32:16 • 15 分钟阅读

最新文章

推荐文章

相关文章

分享文章

YOLOv11 改进 - 注意力机制 | MFCA频率通道注意力(Multi-Frequency Channel Attention)：解决小目标特征信息少、易被噪声干扰的问题
前言本文介绍了将多频率通道注意力（MFCA）与YOLO11结合的方法。MFCA是专为医学图像分割设计的频率域通道注意力机制，基于二维离散余弦变换（2D DCT）提取医学图像的频率统计特征，通过对不同频率通道的特征重标定，抑制噪声通道干扰、强化有效频率特征表达。该机制具有模态鲁棒性、噪声抑制能力、轻量级设计等特性，与多尺度空间注意力（MSSA）强互补。我们将MFCA集成进YOLO11，在检测头部分嵌入该模块。实验证明，结合MFCA的YOLO11在实验中表现出色，提升了模型的特征提取能力和分割性能。文章目录： YOLO11改进大全：卷积层、轻量化、注意力机制、损失函数、Backbone、SPPF、Neck、检测头全方位优化汇总专栏链接: YOLO11改进专栏介绍

更多文章