Yolo11改进策略：Block改进|Dilated G-CSA，多头扩张卷积的自注意力模块，增强对全局上下文信息的感知能力|即插即用

摘要

论文链接：https://arxiv.org/pdf/2404.07846
Dilated G-CSA（Dilated Grouped Channel-Wise Self-Attention）是Transformer-based Blind-Spot Network (TBSN)中的一个关键模块，旨在增强图像去噪任务中的特征提取能力。该模块通过分组的方式对通道进行自注意力计算，同时引入扩张卷积的概念，以避免在多尺度架构中可能出现的盲点信息泄露。

设计原理

1. 分组通道自注意力：Dilated G-CSA将输入特征的通道分为多个组，并在每个组内独立计算通道注意力。这种设计的目的是控制每个组的通道数，使其小于空间分辨率，从而避免在多尺度特征中出现的盲点信息泄露。通过这种方式，Dilated G-CSA能够有效地捕捉通道间的依赖关系，同时保持对空间信息的保护。

2. 扩张卷积的引入：扩张卷积（Dilated Convolution）用于增加感受野而不增加计算量。通过在通道注意力计算中引入扩张卷积，Dilat