yolov11neck魔改

### 对YOLOv1 Neck部分进行自定义修改和优化

#### 修改背景
YOLOv1作为早期版本的目标检测框架，其颈部网络（Neck）设计较为简单，通常仅由几个卷积层组成，并未像后续版本那样引入复杂的特征金字塔或路径聚合机制。为了提升YOLOv1的表现力并适应更广泛的应用场景，可以考虑对其Neck模块实施一系列针对性改造。

#### 特征增强策略
一种有效的改进方法是在原有基础上加入空间注意力机制(Spatial Attention Mechanism)，这有助于突出图像中有价值的信息区域[^1]。具体来说，可以在每个尺度下的最后一个卷积层之后添加一个轻量级的空间注意分支，该分支通过计算输入特征图各位置的重要性权重来调整原始响应值，从而强化重要部位的同时抑制无关干扰项的影响。

#### 多尺度融合方案
借鉴现代目标检测器的设计理念，构建多分辨率特征交互通道也是可行的选择之一。例如，可以从不同层次提取出具有互补特性的中间表示向量，再利用上采样/下采样的方式将其映射至相同维度后相加求平均得到最终输出；或者直接采用FPN(Feature Pyramid Network)结构来进行跨级别连接操作，使得低层富含细节却语义模糊的数据能够与高层抽象但粗犷的内容相结合，进而获得更加鲁棒且精准的结果[^2]。

#### 参数微调技巧
当完成上述结构调整工作以后，则需针对新架构重新设定超参数配置文件内的各项系数指标。一方面要确保学习率、动量因子等基础选项设置合理适当，另一方面也要充分考虑到新增组件所带来的额外开销成本，在保证收敛速度的前提下尽可能降低整体资源消耗水平[^3]。

import torch.nn as nn

class Customized_YOLOv1_Neck(nn.Module):
    def __init__(self, in_channels=512, out_channels=1024):
        super(Customized_YOLOv1_Neck, self).__init__()
        
        # 增强型卷积块
        self.enhanced_conv = nn.Sequential(
            nn.Conv2d(in_channels=in_channels, out_channels=out_channels//2, kernel_size=(1, 1)),
            nn.BatchNorm2d(out_channels//2),
            nn.LeakyReLU(negative_slope=.1),

            nn.Conv2d(in_channels=out_channels//2, out_channels=out_channels, kernel_size=(3, 3), padding='same'),
            nn.BatchNorm2d(out_channels),
            nn.LeakyReLU(negative_slope=.1)
        )

        # 空间注意力机制
        self.spatial_attention = SpatialAttention()

        # 上采样层用于多尺度融合
        self.up_sample = nn.Upsample(scale_factor=2)

    def forward(self, x_low_level, x_high_level):
        enhanced_feature = self.enhanced_conv(x_high_level)
        attended_feature = self.spatial_attention(enhanced_feature)
        fused_output = (attended_feature + self.up_sample(x_low_level)) / 2.
        return fused_output


# 定义空间注意力类
class SpatialAttention(nn.Module):
    def __init__(self):
        super(SpatialAttention, self).__init__()

        self.conv = nn.Conv2d(in_channels=2, out_channels=1, kernel_size=(7, 7), stride=(1, 1), padding=(3, 3))
    
    def forward(self, input_tensor):
        avg_pooling = torch.mean(input_tensor, dim=1).unsqueeze(dim=1)
        max_pooling,_ = torch.max(input_tensor, dim=1).unsqueeze(dim=1)
        concatenated_features = torch.cat((avg_pooling,max_pooling),dim=1)
        spatial_weights = torch.sigmoid(self.conv(concatenated_features))

        weighted_input = input_tensor * spatial_weights.expand_as(input_tensor)
        return weighted_input