提示词描述

请生成一个网络结构图，展示YOLOv11中基于C3k2模块改进的C3k2_DWR和C3k2_SIR模块。请在单个图中呈现这两个模块，可以垂直或水平排列。图的风格应符合顶级计算机视觉学术期刊（如CVPR）的标准，遵循学术论文的结构惯例。具体的改进细节如下： C3k2_DWR和C3k2_SIR模块的核心思想是用增强的组件替换原始C3K2模块Bottleneck中的标准卷积层。具体来说，C3k2_DWR在Bottleneck中的cv1和cv2之间嵌入了一个DWR模块。该DWR模块用一个结构替换了原始的单个3x3卷积，该结构连接了区域残差化（全局池化+1x1卷积）和语义残差化（多分支深度可分离空洞卷积）。这显式地聚合了深度特征路径上的多尺度上下文信息，以增强遮挡推理。另一方面，C3k2_SIR在相同的位置嵌入了一个SIR模块。该模块通过深度卷积提取空间细节，然后使用通道注意力重新校准它们，协同增强边缘响应。它专门为中间层特征路径设计，以恢复轻量级骨干网络丢失的纹理和轮廓信息。这两个模块都保持了C3K2的双分支拓扑和残差连接框架，仅在Bottleneck中实现了有针对性的增强。 有关DWR和SIR模块的具体结构，请参考以下文本。您也可以自行收集相关信息（例如原始的DWRSeg论文）来补充细节。 DWR模块采用两阶段结构：首先，通过区域残差化（全局平均池化+1x1卷积）提取全局上下文。然后，通过语义残差化（多分支深度可分离空洞卷积，具有可配置的空洞率）捕获多尺度局部特征。最后，融合这些特征并添加残差连接。SIR模块采用轻量级设计：它首先通过深度卷积增强空间细节，然后使用通道注意力机制（squeeze-and-excitation结构）重新校准特征重要性，以锐化边缘。这两个模块都保持相同的输入和输出维度，从而实现即插即用的特征增强。