yolo11改进注意力

### YOLOv11 中改进的注意力机制

YOLOv11 引入了多种先进的注意力机制来提升模型的表现，特别是 ACmix 自注意力与卷积混合模型以及 CA 注意力机制。

#### ACmix 自注意力与卷积混合模型
ACmix 是一种新颖的自注意力与卷积相结合的方法，用于改善模型特征识别效率。该方法融合了局部和全局信息的优点，既能够捕捉到图像中的细粒度细节，又可以处理更广泛的上下文关系[^2]。具体来说：

- **局部特征提取**：利用标准卷积层获取局部区域内的特征。
- **全局依赖建模**：采用自注意力机制学习不同位置之间的关联性，从而更好地理解整个场景的内容。
- **多尺度交互**：通过设计特殊的模块结构实现跨尺度的信息交流，进一步增强了表达能力。

import torch.nn as nn

class ACMix(nn.Module):
    def __init__(self, channels):
        super(ACMix, self).__init__()
        self.conv_local = nn.Conv2d(channels, channels, kernel_size=3, padding=1)
        self.self_attention = SelfAttention(channels)

    def forward(self, x):
        local_features = self.conv_local(x)
        global_dependencies = self.self_attention(x)
        mixed_output = (local_features + global_dependencies) / 2.
        return mixed_output

#### CA 注意力机制
坐标注意力（Coordinate Attention, CA）是一种创新性的注意力方案，它结合了通道注意力与位置信息的优势，旨在显著增强移动网络的性能[^4]。其工作原理如下：

- 对特征张量在垂直和水平两个空间维度上执行一维全局池化操作；
- 精确捕获沿着这两个方向上的重要特性，并保持细致的位置数据；
- 成功捕捉到了远距离的相关性；
- 将上述获得的关注图分别应用于原始特征映射之上，以此强调并加强目标对象所在之处的表现效果。

def coordinate_attention(feature_map):
    b, c, h, w = feature_map.size()
    
    # Vertical pooling and horizontal pooling
    vertical_pooling = F.adaptive_avg_pool2d(feature_map.permute(0, 2, 1, 3).contiguous().view(b*h, c, w), output_size=(1))
    horizontal_pooling = F.adaptive_avg_pool2d(feature_map.view(b*w, c, h), output_size=(1))

    # Reshape back to original dimensions after applying attention maps
    attended_vertical = ...
    attended_horizontal = ...

    final_feature_map = attended_vertical * attended_horizontal
    
    return final_feature_map