本文基于YOLOv13 官方仓库（iMoonLab/yolov13，ultralytics 8.3.63 fork）实测整理，Windows/CPU 环境全程可跑（flash_attn 自动降级为标准注意力）。注意力机制模块本身与模型版本无关，但插入位置、yaml 层号、注册细节在 v13 里完全不同，这篇全部按 v13 重讲。BiFormer 的杀手锏是动态稀疏注意力：不扫全部 token，先用"区域级路由"选出 top-k 最相关的区域再精算——本文实测整网仅+265,728 参数、+0.24 GFLOPs（真实口径，见第六节的统计新坑说明）。前言YOLOv13（清华团队，HyperACE 超图 + FullPAD 全流水线聚合架构）把检测 backbone 换成了 DSC3k2/A2C2f/DSConv 的全新组合，还引入了 HyperACE 超图模块和 7 个 FullPAD_Tunnel 门控，注意力的插入位置必须按 v13 结构重新规划。这篇以 BiFormer（CVPR 2023）为例，演示"动态稀疏注意力"如何接入 v13：结构分析、插入点选择、层号顺移、注册适配，全套实测验证。专栏目录：YOLOv13改 YOLOv13改进策略【注意力机制篇】| CVPR 2023 BiFormer 双层路由注意力，动态稀疏聚焦关键区域
本文基于YOLOv13 官方仓库（iMoonLab/yolov13，ultralytics 8.3.63 fork）实测整理，Windows/CPU 环境全程可跑（flash_attn 自动降级为标准注意力）。注意力机制模块本身与模型版本无关，但插入位置、yaml 层号、注册细节在 v13 里完全不同，这篇全部按 v13 重讲。BiFormer 的杀手锏是动态稀疏注意力：不扫全部 token，先用"区域级路由"选出 top-k 最相关的区域再精算——本文实测整网仅+265,728 参数、+0.24 GFLOPs（真实口径，见第六节的统计新坑说明）。前言YOLOv13（清华团队，HyperACE 超图 + FullPAD 全流水线聚合架构）把检测 backbone 换成了 DSC3k2/A2C2f/DSConv 的全新组合，还引入了 HyperACE 超图模块和 7 个 FullPAD_Tunnel 门控，注意力的插入位置必须按 v13 结构重新规划。这篇以 BiFormer（CVPR 2023）为例，演示"动态稀疏注意力"如何接入 v13：结构分析、插入点选择、层号顺移、注册适配，全套实测验证。专栏目录：YOLOv13改