提示詞描述

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。