企业官网建设流程全解析

专栏：YOLO 全面解析与改进
任务：VisDrone2019-DET 无人机目标检测
改进对象：YOLOv8l、YOLOv9c、YOLOv10l、YOLO11l、YOLO12l、YOLO26l
改进模块：SBA（Selective Boundary Aggregation）
改进位置：YOLO Neck / PAN-FPN 中的跨尺度Concat融合节点
训练设置：300 epochs，imgsz=640，batch=128，8 GPU，seed=42

本文面向初学者，完整介绍如何将 SBA 模块迁移到 YOLO 系列检测模型中。文章先给出改进结果，再解释为什么要替换Concat、SBA 的来源与基本原理、代码和 YAML 如何修改，最后给出 6 个 SBA-YOLO 的 drawio 架构图和实验分析。

1. 改进效果先看结论

本轮实验测试了 6 个 SBA 改进模型。整体结果如下：

最直接的结论是：

也就是说，YOLO12l-SBA 是本轮 SBA 实验的综合精度最优模型，YOLOv10l-SBA 的 Precision 最高，YOLO11l-SBA 的速度最快。

2. 与原始 YOLO 基线的对比

原始 YOLO 基线结果如下：

与基线对比后，SBA 带来的变化如下。由于上一轮基线没有训练 YOLOv9c，因此 YOLOv9c-SBA 只参与本轮 SBA 横向比较，不做增量对比。

从结果可以看到，SBA 的收益与模型结构强相关：

1. YOLOv10l-SBA 提升最明显，mAP50 提升 0.0112，mAP50-95 提升 0.0074，Precision 提升 0.0257。
2. YOLO26l-SBA 有稳定小幅提升，mAP50-95 提升 0.0041。
3. YOLOv8l-SBA 对严格定位指标有提升，mAP50-95 提升 0.0035。
4. YOLO12l-SBA 的 Recall 提升，但 Precision 下降，最终 mAP50-95 与原版持平。
5. YOLO11l-SBA 的 mAP50-95 小幅提升，但 Recall 略降。

因此，SBA 更适合被理解为一种“跨尺度融合方式改造”，它并不必然让所有指标同时提升，而是改变了 Neck 中信息融合的方式，使不同 YOLO 架构表现出不同的精度、召回和速度取舍。

3. 为什么要替换 Concat

YOLO 系列 Neck 通常采用 PAN-FPN 结构进行多尺度特征融合。最常见的融合方式是：

-[[-1,6],1,Concat,[1]]

Concat的优点是简单、稳定、开销低。它只是把两个特征图沿通道维度拼接起来，然后交给后续的 C2f、C3k2、A2C2f 或 RepNCSPELAN4 继续处理。

但在 VisDrone 这类无人机检测场景中，简单拼接存在三个问题：

1. 低层细节和高层语义没有选择机制
   低层特征包含边界、纹理和小目标细节，高层特征包含语义和上下文。Concat 只是拼接，不判断哪些信息更重要。
2. 背景噪声容易一起进入 Neck
   无人机图像中道路、建筑、树木、阴影、标线都可能产生干扰。简单拼接会把目标信息和背景噪声一起传递给后续模块。
3. 跨尺度对齐不足
   P3、P4、P5 的感受野和语义层级不同，直接拼接可能导致细节和语义融合不充分，尤其影响小目标和密集目标。

SBA 的目标就是让跨尺度融合从“直接拼接”变成“有选择地聚合低层边界细节和高层语义信息”。

4. SBA 模块来源与思想

本文使用的 SBA 是Selective Boundary Aggregation。在本项目中，SBA 相关参考主要来自两个 PDF：

1. 2212.11677v1.pdf：DuAT: Dual-Aggregation Transformer Network for Medical Image Segmentation
2. 2603.22841v1.pdf：UAV-DETR: DETR for Anti-Drone Target Detection

在 DuAT 中，SBA 用于聚合低层特征中的边界信息和高层特征中的语义信息，从而更好地保留边界细节并定位目标区域。虽然原始任务是医学图像分割，但这个思想对无人机小目标检测同样有意义。

在 UAV-DETR 中，SBA 被放入无人机检测 Neck 中，配合跨尺度特征重校准与融合网络，用于过滤背景噪声并融合不同尺度的特征。这一点与 VisDrone 的任务特性非常接近：目标小、背景复杂、尺度变化大。

因此，本文将 SBA 引入 YOLO 的 Neck 中，用它替换原来的Concat融合节点。

5. SBA 模块结构

当前项目中加入的 SBA 模块位于：

ultralytics/nn/modules/block.py

核心代码如下：

classSBA(nn.Module):def__init__(self,inc,input_dim=64):super().__init__()self.input_dim=input_dim self.d_in1=Conv(input_dim//2,input_dim//2,1)self.d_in2=Conv(input_dim//2,input_dim//2,1)self.conv=Conv(input_dim,input_dim,3)self.fc1=nn.Conv2d(inc[1],input_dim//2,kernel_size=1,bias=False)self.fc2=nn.Conv2d(inc[0],input_dim//2,kernel_size=1,bias=False)self.Sigmoid=nn.Sigmoid()defforward(self,x):H_feature,L_feature=x L_feature=self.fc1(L_feature)H_feature=self.fc2(H_feature)g_L_feature=self.Sigmoid(L_feature)g_H_feature=self.Sigmoid(H_feature)L_feature=self.d_in1(L_feature)H_feature=self.d_in2(H_feature)L_feature=L_feature+L_feature*g_L_feature+(1-g_L_feature)*Upsample(g_H_feature*H_feature,size=L_feature.size()[2:],align_corners=False)H_feature=H_feature+H_feature*g_H_feature+(1-g_H_feature)*Upsample(g_L_feature*L_feature,size=H_feature.size()[2:],align_corners=False)H_feature=Upsample(H_feature,size=L_feature.size()[2:])out=self.conv(torch.cat([H_feature,L_feature],dim=1))returnout

为了方便理解，可以把 SBA 拆成四步：

与普通Concat不同，SBA 不是简单地把两个张量拼接，而是先用门控机制做选择性增强，再输出一个新的融合特征。

6. SBA 在 YOLO 中的适配方式

原始 YOLO Neck 中通常有 4 个跨尺度融合点：

Top-down: P5 -> P4 Top-down: P4 -> P3 Bottom-up: P3 -> P4 Bottom-up: P4 -> P5

原始写法通常是：

-[[-1,6],1,Concat,[1]]

本文改为：

-[[-1,6],1,SBA,[512]]

这里的[512]表示 SBA 输出通道数。也就是说，SBA 替换 Concat 后不再输出两个分支通道数之和，而是直接输出指定通道数的融合特征。

以 YOLO26l-SBA 为例，Neck 的关键改动如下：

head:-[-1,1,nn.Upsample,[None,2,"nearest"]]-[[-1,6],1,SBA,[512]]# SBA(P5, P4)-[-1,2,C3k2,[512,True]]-[-1,1,nn.Upsample,[None,2,"nearest"]]-[[-1,4],1,SBA,[256]]# SBA(P4, P3)-[-1,2,C3k2,[256,True]]-[-1,1,Conv,[256,3,2]]-[[-1,13],1,SBA,[512]]# SBA(P3, P4)-[-1,2,C3k2,[512,True]]-[-1,1,Conv,[512,3,2]]-[[-1,10],1,SBA,[1024]]# SBA(P4, P5)-[-1,1,C3k2,[1024,True,0.5,True]]-[[16,19,22],1,Detect,[nc]]

这样做的好处是：YOLO 的 P3、P4、P5 检测头仍然保持不变，但 Neck 中每一次跨尺度融合都从静态拼接变成了选择性聚合。

7. 代码改进过程

7.1 在 block.py 中加入 SBA

将SBA类加入：

ultralytics/nn/modules/block.py

同时在__all__中加入：

"SBA",

7.2 在 modules 中导出 SBA

修改：

ultralytics/nn/modules/__init__.py

在.block导入列表中加入：

SBA,

并在__all__中加入：

"SBA",

7.3 修改 parse_model 支持 SBA

由于 SBA 的输入是两个特征分支，且输出通道由 YAML 指定，所以需要在parse_model()中单独处理：

elifmisSBA:c2=args[0]ifc2!=nc:c2=make_divisible(min(c2,max_channels)*width,8)args=[[ch[x]forxinf],c2,*args[1:]]

这段代码的含义是：

1. 从 YAML 读取 SBA 输出通道c2。
2. 根据当前模型宽度系数自动缩放通道。
3. 自动把两个输入分支的通道数[ch[x] for x in f]传给 SBA。

因此 YAML 中只需要写：

-[[-1,6],1,SBA,[512]]

不需要手动写输入通道。

7.4 新增 6 个 SBA 模型配置

本文新增了 6 个配置文件：

各模型检测头输入保持为原来的 P3/P4/P5 输出：

7.5 修改 benchmark 脚本

benchmark_visdrone_fixed.py中新增 SBA 模型集合：

SBA_YOLO_MODELS={"YOLOv8l-SBA":"ultralytics/cfg/models/v8/yolov8l-sba.yaml","YOLOv9c-SBA":"ultralytics/cfg/models/v9/yolov9c-sba.yaml","YOLOv10l-SBA":"ultralytics/cfg/models/v10/yolov10l-sba.yaml","YOLO11l-SBA":"ultralytics/cfg/models/11/yolo11l-sba.yaml","YOLO12l-SBA":"ultralytics/cfg/models/12/yolo12l-sba.yaml","YOLO26l-SBA":"ultralytics/cfg/models/26/yolo26l-sba.yaml",}

并将默认测试变体设置为：

parser.add_argument("--variant",choices=("baseline","sba","both"),default="sba",)

这样直接运行脚本时，只会测试 SBA 改进模型。

8. 一键训练和验证

在服务器上直接运行：

python benchmark_visdrone_fixed.py

或显式指定训练参数：

python benchmark_visdrone_fixed.py\--dataultralytics/cfg/datasets/VisDrone.yaml\--epochs300\--batch128\--imgsz640\--device0,1,2,3,4,5,6,7\--workers4

脚本会依次训练并验证：

YOLOv8l-SBA YOLOv9c-SBA YOLOv10l-SBA YOLO11l-SBA YOLO12l-SBA YOLO26l-SBA

训练结束后，会生成：

benchmark_results_VisDrone_fixed.csv benchmark_results_VisDrone_fixed.md runs/benchmark_VisDrone/ runs/.benchmark_results/

9. 改进后的 drawio 架构图

本文提供了可编辑 drawio 源文件和 Markdown 可直接显示的 SVG 预览图。

总图：

assets/sba_yolo_visdrone/sba_yolo_architectures.drawio

单模型 drawio：

assets/sba_yolo_visdrone/yolov8l_sba.drawio assets/sba_yolo_visdrone/yolov9c_sba.drawio assets/sba_yolo_visdrone/yolov10l_sba.drawio assets/sba_yolo_visdrone/yolo11l_sba.drawio assets/sba_yolo_visdrone/yolo12l_sba.drawio assets/sba_yolo_visdrone/yolo26l_sba.drawio

图中颜色含义如下：

9.1 YOLOv8l-SBA

YOLOv8l-SBA 保留 C2f + SPPF 的主体结构，将 PAN-FPN 中 4 个Concat融合点替换为 SBA。

9.2 YOLOv9c-SBA

YOLOv9c-SBA 使用 RepNCSPELAN4、ADown 和 SPPELAN，本文将其 Neck 中的跨尺度拼接改为 SBA 选择性融合。

9.3 YOLOv10l-SBA

YOLOv10l-SBA 使用 C2fCIB、SCDown、PSA 和 v10Detect。实验中它获得了本轮最高 Precision。

9.4 YOLO11l-SBA

YOLO11l-SBA 使用 C3k2、SPPF 和 C2PSA。它在本轮实验中推理速度最快，同时 mAP50-95 相比原版略有提升。

9.5 YOLO12l-SBA

YOLO12l-SBA 使用 A2C2f 作为主要 Neck 模块。本轮实验中它的 mAP50 和 mAP50-95 排名第一。

9.6 YOLO26l-SBA

YOLO26l-SBA 保留 YOLO26 的 end-to-end 设置，并使用 SBA 替换原始 Neck 中的 Concat。它相较 YOLO26l 在 mAP50 和 mAP50-95 上都有小幅提升。

10. 实验结果分析

10.1 YOLOv10l-SBA 的提升最明显

从增量表看，YOLOv10l-SBA 是 SBA 改造中提升最明显的模型：

这说明 SBA 与 YOLOv10l 的 C2fCIB、SCDown、PSA 和 v10Detect 组合较为适配。尤其 Precision 提升明显，说明 SBA 替换 Concat 后能够更好地抑制一部分背景噪声和误检。

10.2 YOLO12l-SBA 综合结果仍然最强

虽然 YOLO12l-SBA 相比原始 YOLO12l 没有提升 mAP50-95，但它在所有 SBA 模型中仍然排名第一：

它的 Recall 比原始 YOLO12l 高 0.0065，说明 SBA 对 YOLO12l 的召回有帮助，但 Precision 下降较明显。因此，如果后续继续优化 YOLO12l-SBA，可以重点考虑降低误检，例如调整置信度阈值、损失函数或标签分配策略。

10.3 YOLO11l-SBA 是速度优先版本

YOLO11l-SBA 的推理耗时为 2.58 ms，是本轮 SBA 模型中最快的。相比原始 YOLO11l，它的 mAP50-95 从 0.2464 提升到 0.2487，但 Recall 从 0.4336 降到 0.4316。

因此，YOLO11l-SBA 可以作为速度优先方案。如果应用场景要求实时处理，例如无人机巡检或边缘设备快速预警，它比 YOLO12l-SBA 更适合部署。

10.4 YOLO26l-SBA 有稳定小幅提升

YOLO26l-SBA 相比 YOLO26l：

这说明 SBA 对 YOLO26l 是稳定正收益，只是代价是参数量和推理时间增加。

10.5 类别层面的观察

从 YOLO12l-SBA 的类别结果看，car和bus依然是最容易检测的类别：

弱类别仍然集中在小目标和易混淆目标：

这说明 SBA 改善了跨尺度融合，但还不能单独解决极小目标、遮挡和类别混淆问题。后续仍然需要结合 P2 检测头、更强的数据增强或更适合小目标的损失函数。

11. 初学者复现 checklist

如果你想从零复现本实验，可以按下面顺序检查。

1. 确认SBA已加入：

ultralytics/nn/modules/block.py

2. 确认SBA已在模块入口导出：

ultralytics/nn/modules/__init__.py

3. 确认parse_model()已支持SBA：

ultralytics/nn/tasks.py

4. 确认 6 个 SBA YAML 存在：

ultralytics/cfg/models/v8/yolov8l-sba.yaml ultralytics/cfg/models/v9/yolov9c-sba.yaml ultralytics/cfg/models/v10/yolov10l-sba.yaml ultralytics/cfg/models/11/yolo11l-sba.yaml ultralytics/cfg/models/12/yolo12l-sba.yaml ultralytics/cfg/models/26/yolo26l-sba.yaml

5. 先用一个模型检查是否能构建：

python-c"from ultralytics import YOLO; YOLO('ultralytics/cfg/models/v10/yolov10l-sba.yaml')"

6. 运行完整 benchmark：

python benchmark_visdrone_fixed.py

7. 查看输出结果：

benchmark_results_VisDrone_fixed.csv benchmark_results_VisDrone_fixed.md runs/benchmark_VisDrone/

8. 打开结构图：

assets/sba_yolo_visdrone/sba_yolo_architectures.drawio

12. 后续改进方向

12.1 只替换部分 Concat

当前做法是替换 Neck 中所有 4 个Concat。后续可以做消融：

Top-down only Bottom-up only 只替换 P3 融合 只替换 P4/P5 融合

这样可以判断 SBA 到底在哪个尺度最有效。

12.2 与轻量化模块结合

SBA 会增加参数量，当前多数模型增加约 8M 参数。后续可以尝试：

1. 降低 SBA 的输出通道。
2. 使用 depthwise separable convolution 替换 SBA 内部 3x3 Conv。
3. 只在小目标相关的 P3/P4 路径使用 SBA。

12.3 与 P2 小目标检测头结合

VisDrone 中极小目标很多，P3 仍然可能不够细。后续可以在 SBA Neck 基础上加入 P2 检测头，重点观察pedestrian、people、bicycle、motor等类别是否提升。

12.4 与 DORGM 组合

SBA 主要改 Neck 融合方式，DORGM 主要增强 Detect 前特征表达。二者作用点不同，后续可以尝试：

SBA Neck + DORGM Head

但组合后参数和计算量会进一步增加，需要做速度和精度权衡。

13. 总结

本文将 Selective Boundary Aggregation 引入 YOLO 系列目标检测模型，用 SBA 替换 Neck / PAN-FPN 中的跨尺度Concat融合节点，并在 VisDrone2019-DET 数据集上进行验证。实验表明：

1. YOLO12l-SBA 在本轮 SBA 模型中综合精度最高，mAP50 为 0.4231，mAP50-95 为 0.2514。
2. YOLOv10l-SBA 相比原始 YOLOv10l 提升最明显，mAP50 提升 0.0112，mAP50-95 提升 0.0074，Precision 提升 0.0257。
3. YOLO11l-SBA 是本轮最快模型，推理耗时为 2.58 ms，适合速度优先场景。
4. YOLO26l-SBA 相比原始 YOLO26l 各项指标均有小幅提升，说明 SBA 对 YOLO26l 是稳定正收益。
5. SBA 能增强跨尺度信息融合，但不能单独解决 VisDrone 中极小目标、遮挡和类别混淆问题，后续仍需结合 P2 检测头、轻量化设计和更适合小目标的训练策略。

整体来看，SBA 不是简单增加一个注意力模块，而是把 YOLO Neck 中的“静态拼接”改成“选择性边界与语义聚合”。对于无人机目标检测这类小目标密集、背景复杂、尺度变化明显的场景，它是一个值得继续消融和优化的结构改进方向。

参考资料

1. 2212.11677v1.pdf：DuAT: Dual-Aggregation Transformer Network for Medical Image Segmentation.
2. 2603.22841v1.pdf：UAV-DETR: DETR for Anti-Drone Target Detection.
3. VisDrone 官方数据集仓库：https://github.com/VisDrone/VisDrone-Dataset
4. Ultralytics VisDrone 数据集文档：https://docs.ultralytics.com/datasets/detect/visdrone/