
請生成一個網路結構圖,展示基於 YOLOv11 中 C3k2 模組改進的 C3k2_DWR 和 C3k2_SIR 模組。請在單一圖表中呈現這兩個模組,可以垂直或水平排列。圖表的風格應符合頂級電腦視覺學術期刊(如 CVPR)的標準,遵循學術論文的結構慣例。具體的改進細節如下: C3k2_DWR 和 C3k2_SIR 模組的核心思想是用增強的組件替換原始 C3K2 模組 Bottleneck 中的標準卷積層。具體來說,C3k2_DWR 在 Bottleneck 中的 cv1 和 cv2 之間嵌入一個 DWR 模組。這個 DWR 模組將原始的單個 3x3 卷積替換為一個結構,該結構連接了區域殘差化(全局池化 + 1x1 卷積)和語義殘差化(多分支深度可分離空洞卷積)。這顯式地聚合了深度特徵路徑上的多尺度上下文信息,以增強遮擋推理。另一方面,C3k2_SIR 在相同的位置嵌入一個 SIR 模組。該模組通過深度卷積提取空間細節,然後使用通道注意力重新校準它們,協同增強邊緣響應。它專為中間層特徵路徑設計,以恢復輕量級骨幹網路丟失的紋理和輪廓信息。這兩個模組都保持了 C3K2 的雙分支拓撲和殘差連接框架,僅在 Bottleneck 內部實現了有針對性的增強。 有關 DWR 和 SIR 模組的具體結構,請參考以下文字。您也可以自行收集相關信息(例如原始的 DWRSeg 論文)來補充細節。 DWR 模組採用兩階段結構:首先,它通過區域殘差化(全局平均池化 + 1x1 卷積)提取全局上下文。然後,它通過語義殘差化(多分支深度可分離空洞卷積,具有可配置的空洞率)捕獲多尺度局部特徵。最後,它融合這些特徵並添加一個殘差連接。SIR 模組採用輕量級設計:它首先通過深度卷積增強空間細節,然後使用通道注意力機制(squeeze-and-excitation 結構)重新校準特徵重要性,以銳化邊緣。這兩個模組都保持相同的輸入和輸出維度,實現即插即用的特徵增強。

技術系統架構圖:自動著陸飛機,工程圖風格,白色背景,清晰整潔,適用於論文/報告。 頂部區域標籤「感知與定位模組」: -...