YOLOv11-seg改进 | C3k2_EBlock频域增强替换C3k2全流程指南
- 一、本文简介
- 二、模块原理详解
- 2.1 层级结构
- 2.2 前向流程
- 2.3 与原始 C3k2 的区别
- 三、改进思想与创新点
- 3.1 DarkIR EBlock 的工程价值
- 3.2 频域 MLP 强化边缘和纹理
- 3.3 零初始化残差缩放
- 3.4 对比分析
- 3.5 适配 YOLOv11-seg 的意义
- 四、完整代码
- 4.1 DarkIR EBlock 直接依赖
- 4.2 EBlock
- 4.3 C3k2_EBlock
- 五、手把手配置步骤
- 5.1 检查导入
- 5.2 检查 tasks.py 注册
- 5.3 模型加载与训练示例
- 六、YAML 配置文件
- 6.1 全网络替换版：完整验证频域增强效果
- 6.2 Backbone-only 版：低照纹理主干增强
- 6.3 深层增强版：把频域调制放在高语义层
- 七、常见问题
- 7.1 `NameError: name 'C3k2_EBlock' is not defined` 怎么办？
- 7.2 是否需要额外安装 FFT 库？
- 7.3 运行时出现 complex 到 real 的 warning 怎么看？
- 7.4 `Segment` 改为 `Detect` 的思路是什么？
- 7.5 YAML 中 `c3k=True` 有什么影响？
- 八、总结
专栏系列：YOLOv11 精度改进实战
改进点：将 YOLOv11-seg 中的C3k2替换为仓库中的C3k2_EBlock，该模块基于 CVPR 2025 DarkIR《DarkIR: Robust Low-Light Image Restoration》中的EBlock改进 C3k2，用 LayerNorm、膨胀深度卷积分支、SimpleGate、SCA 和频域 MLP 强化复杂纹理与低照边界表达。
一、本文简介
CVPR 2025 DarkIR《DarkIR: Robust Low-Light Image Restoration》中的EBlock面向低光照图像恢复任务，强调在局部空间分支之外引入频域建模能力。当前仓库将 DarkIR 的EBlock嵌入 YOLOv11 的C3k2框架，形成C3k2_EBlock，属于基于 DarkIR EBlock 的仓库改进实现，不是直接把 DarkIR 整个恢复网络作为 YOLO 主干。
原始C3k2对常规检测分割任务速度友好，但在低照、模糊、密集纹理和细边界场景中，单纯局部卷积容易丢失高频边缘和弱纹理信息。C3k2_EBlock通过 EBlock 的频域 MLP 分支
