YOLOv11涨点改进| TGRS 2026 | 卷积改进篇 | 引入CDAFEM跨域感知特征增强模块，含组合创新，从空间域、通道域、频率域和边缘结构四个方面进行联合优化，助力小目标检测有效涨点

一、本文介绍🔥本文给大家介绍使用 CDAFEM跨域感知特征增强模块 改进YOLOv11网络模型，主要作用是增强模型的跨域特征表达能力，能够同时利用空间位置、通道语义、频率纹理和边缘结构信息，从而提升对目标区域的感知能力。该模块可以缓解复杂背景下目标与背景难以区分、目标尺度变化大、小目标纹理弱、边界模糊等问题，使模型提取到的特征更加完整和具有判别性。其优势在于能够强化目标边缘和纹理细节，抑制冗余背景噪声，提高小目标和弱特征目标的检测效果，同时增强模型在复杂场景下的鲁棒性和泛化能力，适合用于遥感图像、无人机航拍、交通监测等背景复杂、目标尺度差异明显的检测任务。🔥欢迎订阅我的专栏、带你学习使用最新-最前沿-独家YOLOv11创新改进！🔥YOLOv11专栏改进目录：YOLOv11改进专栏包含卷积、主干网络、各种注意力机制、检测头、损失函数、Neck改进、小目标检测、二次创新模块、C2PSA/C3k2二次创新改进、全网独家创新等创新点改进全新YOLOv11-发论文改进专栏链接：全新YOLOv11创新改进高效涨点+永久更新中（至少500+改进）+高效跑实验发论文本文目录一、本文介绍二、CDAFEM跨域感知特征增强模块介绍2.1 MB-LGFCPM局部-全局特征协同推广模块结构图2.2CDAFEM模块的作用：2.3 CDAFEM模块的原理2.4CDAFEM模块的优势三、完整核心代码四、手把手教你配置模块和修改tasks.py文件1.首先在ultralytics/nn/newsAddmodules创建一个.py文件2.在ultralytics/nn/newsAddmodules/__init__.py中引用3.修改tasks.py文件五、创建涨点yaml配置文件🚀创新改进1🔥: yolov11n_CDAFEM.yaml🚀创新改进2🔥: yolov11n_CDAFEM_MBLGFCPM_DBDM.yaml🔥六、正常运行二、CDAFEM跨域感知特征增强模块介绍摘要：在遥感图像中检测目标是计算机视觉领域的一项重要子任务，但该任务面临若干挑战：如何减轻高频精细特征的损失、捕捉高效且具有区分度的目标特征，以及提升复杂背景与目标之间的分离能力。为此，我们提出了一种用于遥感目标检测的动态模块与跨域特征协同网络（DBCFS -Net）。首先，我们设计了动态模块下采样模块（DBDM）：其模块划分策略和动态偏移机制克服了刚性下采样导致特征模糊的局限，同时能自适应聚焦关键目标区域以保留高频精细细节；其次，引入了跨域感知特征增强模块（CDAFEM），通过跨域联合建模建立一致性约束，增强模型对尺度变化和复杂背景的适应性，从而保留具有区分度的特征信息；同时利用纹理信息优化来细化目标边界和边缘结构，强化边缘连续性，提升模型的泛化能力和鲁棒性；最后，设计了基于Mamba架构的局部-全局特征协同推广模块（MB-LGFCPM），引导模型将局部细节与全局上下文信息相结合，构建双向“细节语义”增强机制以优