YOLOv12即插即用--CPAM

1.模块介绍

本文提出了一种新型基于注意尺度序列融合的 YOLO 框架，称为 ASF-YOLO，该框架结合空间与尺度信息，实现了高效且精确的细胞实例分割。在 YOLO 分割框架的基础上，设计了 尺度序列特征融合（SSFF）模块，用于增强多尺度信息提取能力；同时引入 三重特征编码器（TPE）模块，以融合不同尺度下的特征图，从而丰富目标细节表达。此外，提出一种 通道-位置注意机制（CPAM），用于集成 SSFF 与 TPE 模块，增强模型对小目标的通道依赖性与空间定位能力，进一步提升检测与分割性能。

在两个细胞图像数据集上的实验表明，ASF-YOLO 在分割精度与推理速度方面均优于现有先进方法。特别是在 2018 年数据科学碗数据集（Data Science Bowl 2018）上，ASF-YOLO 实现了 0.91 的 box mAP、0.887 的 mask mAP 和 47.3 FPS 的推理速度，展现出卓越的性能优势。

为了整合详细特征信息和多尺度特征信息，研究人员提出了CPAM（Channel and Position Attention Module）。CPAM的结构如图所示ÿ