YOLO11 目标检测

YOLO算法

YOLO11 网络结构图

YOLO11 中的 CBS 模块 —— 考研复试 / 项目答辩版（直白易懂）

YOLO11 里的 CBS 是核心基础模块，是构成整个网络的「最小单元」，你可以把它理解成 YOLO 系列里 Conv-BN-SiLU 的「三合一封装」。

一、CBS 的全称 & 组成（拆解开就懂）

CBS = Conv（卷积层） + BN（批量归一化） + SiLU（激活函数）

（注：早期 YOLO 版本用 LeakyReLU，YOLOv8/11 统一换成 SiLU，也叫 Swish 激活）

表格

组件	作用
Conv 卷积层	提取特征、调整通道数（比如把 3 通道图片转成 64 通道特征图）
BN 批量归一化	加速训练、防止过拟合、稳定梯度（不用手动调学习率，训练更快）
SiLU 激活函数	引入非线性，让网络能拟合复杂特征（比 ReLU 更平滑，精度更高）

二、CBS 在 YOLO11 里的作用

特征提取的「第一步」：输入图片后，第一个模块就是 CBS，先把原始图片转成高维特征图；
轻量化设计：YOLO11 用 CBS 替代了早期复杂的卷积组合，减少参数和计算量，兼顾速度和精度；
贯穿整个网络：不管是 Backbone（主干网络）、Neck（特征融合）还是 Head（检测头），都用 CBS 作为基础单元，比如：
- Backbone 里的 C2f 模块，内部是多个 CBS 堆叠；
- Neck 里的 SPPELAN 模块，入口也是 CBS；
- 输出层前的特征调整，还是 CBS。

三、CBS 和 YOLO 其他模块的区别（避坑）

别和 C2f 搞混：C2f 是 YOLO11 的核心残差模块，内部包含多个 CBS，是「大模块」；CBS 是「小单元」；
别和 GhostConv 搞混：GhostConv 是轻量化卷积，YOLO11-Ghost 版本会用 GhostConv 替换 CBS 里的普通 Conv，变成「Ghost-CBS」，进一步减少计算量。

四、一句话总结（复试直接说）

YOLO11 的 CBS 模块是 Conv+BN+SiLU 的组合，是网络的基础特征提取单元，负责特征提取、归一化和非线性变换，轻量化且高效，贯穿整个 YOLO11 的主干和 Neck 部分。

总结

CBS 是 YOLO11 基础模块，由卷积、BN、SiLU 组成；
核心作用是提取特征、加速训练、引入非线性；
是 C2f/SPPELAN 等大模块的组成单元，是 YOLO11 轻量化的关键。

YOLO11 中 C3k/C3k2 模块 —— 考研

C3k 和 C3k2 是 YOLO11 里替代传统 C3/C2f 的轻量化残差模块，核心作用是在 Backbone（主干网络）中做「特征融合 + 轻量化」，兼顾精度和速度，是 YOLO11 轻量化设计的核心。

一、先搞懂核心逻辑：C3k/C3k2 的本质

C3k/C3k2 都是「C2f 模块的变体」，核心改进是用 k×k 深度可分离卷积 替代传统 3×3 普通卷积，进一步减少参数和计算量，同时保留残差连接的特征融合能力。

表格

模块	核心组成	适用场景
C3k	CBS 模块 + k×k 深度可分离卷积 + 残差分支 + 拼接融合	YOLO11 基础版 Backbone
C3k2	双分支 C3k 结构（两个并行的 k×k 深度可分离卷积分支）+ 特征拼接	YOLO11-L/XL 等大模型版本

二、拆解 C3k 模块（最核心）

C3k = CBS（入口） + k×k 深度可分离卷积（核心） + 残差连接 + Concat（拼接）

入口 CBS：先对输入特征做卷积 + BN+SiLU，调整通道数；
分支设计：
- 主分支：用 k×k 深度可分离卷积（比如 5×5）提取深层特征（k 是卷积核大小，YOLO11 默认 k=5）；
- 残差分支：直接跳过卷积，保留原始特征（避免梯度消失）；
融合输出：把主分支和残差分支的特征拼接（Concat），再通过 1×1 卷积调整通道数，输出融合后的特征。

三、C3k2 模块：C3k 的「双分支强化版」

C3k2 是 C3k 的升级，核心差异：

把 C3k 的「单 k×k 卷积分支」改成「两个并行的 k×k 卷积分支」（比如一个 3×3、一个 5×5）；
两个分支提取不同尺度的特征，再和残差分支拼接融合；
比 C3k 能提取更丰富的多尺度特征，适合大模型（L/XL），小模型（n/s/m）用 C3k 足够。

四、C3k/C3k2 对比传统 C2f 的优势（YOLO11 改进点）

更轻量化：k×k 深度可分离卷积的计算量只有普通 3×3 卷积的 1/k²，参数减少 50%+；
多尺度特征：k 可选 3/5/7，能捕捉更大感受野的特征，对中大型目标检测更友好；
更快的推理速度：在精度几乎不下降的前提下，YOLO11 用 C3k/C3k2 比 YOLOv8 的 C2f 推理速度提升 10%-15%。

五、一句话总结（复试 / 答辩直接说）

YOLO11 的 C3k/C3k2 是轻量化残差模块，C3k 用 k×k 深度可分离卷积替代传统卷积，C3k2 是双分支 C3k，核心是在减少计算量的同时保留多尺度特征融合能力，是 YOLO11 主干网络的核心组件。