企业官网建设流程全解析

搞遥感目标检测的同行应该都有过类似的感受：模型跑自然图像数据集时效果挺正常，一换上遥感影像，漏检率突然就上来了。小目标本来就才几个像素，背景又是农田、建筑、水体、山体混杂在一起，模型既要抓住目标的局部纹理细节，又得依赖足够大的感受野理解上下文语义。这两件事放在同一个网络里，本身就是一种拉扯。

我最近在一个矿区生态修复的遥感识别任务里，把目标检测主干换成了新一代的 YOLO26 架构，并在多个关键位置接入了新颖的轻量分组注意力模块（LWGA，Lightweight Group-Wise Attention）。整套方案跑下来，几个小目标类别的 mAP 提升相当明显，参数量却几乎没怎么涨。这篇文章就把这个优化思路完整拆开讲，从注意力机制的设计动机、模块内部结构、YOLO26 的集成位置，到训练和推理阶段的具体经验，一次性说清楚。

1. 遥感影像检测为什么要单独设计一种注意力机制

在聊 LWGA 之前，得先搞清楚一个问题：注意力机制本身不是新鲜东西，为什么通用检测模型里的 SE、CBAM、自注意力，放到遥感影像上总觉得差口气。这件事想明白了，后面理解 LWGA 的设计逻辑就顺了。

1.1 遥感影像和自然图像在注意力上的三个显著差异

第一个差异是幅面与目标尺度的矛盾。遥感影像动不动就是上万像素边长的整幅大图，而目标却可能只有 8×8 像素。自然图像里一只猫大概占画面的 20%，模型随便一个层级的特征图都能看到它；遥感影像里一艘船可能只占画面的 0.1%，它在深层的特征图里几乎已经被“稀释”没了。注意力机制如果只做全局池化，等于把船周围的水体、波纹全部平均进去，目标的响应直接被淹没。

第二个差异是局部纹理和全局语义之间的跨度特别大。一栋房子从局部看可能和一辆卡车都有相似的边缘特征，但把它们放到更大范围里看，周围有道路、有树、有阴影，语义就完全分开了。注意力机制需要同时具备两种能力：既要在局部尺度上做精细的纹理增强，又要在全局尺度上做语义引导。只偏任何一边都会出问题。

第三个差异是计算预算。遥感模型为了保住小目标，输入分辨率通常调到 1280 甚至 1536 以上，特征图的 H 和 W 都比自然图像实验大得多。如果注意力模块本身复杂度高，每加一个模块，训练和推理的时间成本都是实打实的。所以轻量化不只是锦上添花，而是能否真正落地的关键。

1.2 主流注意力机制在遥感任务上的“水土不服”

几种常见的注意力机制我都实测对比过，分别说下问题。

SE 模块是最典型的通道注意力，对特征图做全局平均池化，然后通过两个全连接层生成每个通道的权重。问题在于全局平均池化把空间信息压缩得太狠，遥感小目标的空间位置信息在这一步就丢光了。SE 对“通道该重点激活谁”有帮助，但对“目标在画面哪里”没有概念，小目标漏检问题它基本帮不上忙。

CBAM 在 SE 基础上加了空间注意力分支，理论上空间和通道两路都建模了，但它的空间注意力用的是 7×7 大卷积核，参数量和计算量都不小。在 1536 分辨率输入下，CBAM 每个模块的推理耗时能比 SE 高一倍多。而且它对旋转目标、密集排列目标的响应不稳定，同一个油罐在不同朝向的影像上，注意力权重差异很大。

自注意力类机制在遥感领域论文里很火，Token 化的全局建模确实能搞定大范围语义依赖，但矩阵乘法的复杂度随分辨率平方增长。我在 1536×1536 输入下实测过，不加任何优化直接把自注意力插进颈部，单卡 3090 的显存直接顶到 23GB，训练步长被拖慢 40% 以上。这种方案在实验里刷分可以，工程落地很难受。

1.3 “分组”与“双分支”思路的由来

既然单靠全局池化会丢空间细节，单靠大核卷积又费算力，那很自然的想法就是把通道拆开、把分支分开。

拆通道，就是分组注意力。把 C 个通道切成 G 组，每组内部独立做注意力建模。这样做的好处是，每组通道的参数量和计算量只有原来的 1/G，整体模块就轻下来了。同时分组保留了通道之间的多样性，不同组可以学习完全不同类型的特征，一组专注于边缘响应，另一组专注于纹理响应，互不干扰。

分分支，就是局部和全局并行。局部分支用较小的卷积核（比如 3×3 或 5×5）在空间上细看，抓目标的边缘、角点、纹理细节；全局分支通过池化或者低秩聚合压缩出整幅图的语义摘要，做通道间的全局重标定。最后两个分支的结果融合起来，每个空间位置上的注意力权重既知道自己周围有什么，也知道整个画面大概在什么场景下。

这个设计思路在思路上类似于“既要低头看路，也要抬头看方向”，只不过把这种直觉变成了可微分的网络层。

2. LWGA 模块：分成四步看它的结构逻辑

LWGA 不是一个玄乎的“黑盒”，拆开来看其实就是四个步骤：分组、局部建模、全局建模、融合。下面按前向推理的顺序一步步讲。

2.1 输入与分组：把 C 个通道切成 G 组

输入特征图记为 (X \in \mathbb{R}^{C \times H \times W})，第一步先把通道维度按照固定顺序切分成 G 组，每组包含 (C/G) 个通道。这里要注意，分组是沿着通道维度的硬切分，不是可学习的，所以没有任何额外参数，纯粹是为了后续并行计算做准备。

分组的直接收益是计算量的线性下降。假设局部分支用 3×3 卷积，原本对输入所有 C 个通道做一次 3×3 卷积，计算量大约是 (C^2 \times H \times W \times 9)；分组后每组的卷积只在 (C/G) 个通道之间做，总计算量降为原来的 (1/G)。我实测量级感比较明显：C=256、G=8 时，LWGA 的 FLOPs 只有不分组版本的大约 12% 到 15%。

还有个容易忽略的细节：分组时要不要做通道洗牌。如果 G 组对应的是连续的一段通道，那每组学到的特征会比较同质化。我这里参考了分组卷积的经验，在进入 LWGA 之前对通道顺序做一次随机重排，让每组拿到的通道尽可能来自不同的语义簇。实测带洗牌比不带洗牌在 mAP 上高约 0.6 到 0.9 个点，成本几乎可以忽略。

2.2 局部分支：用小卷积核建模组内空间细节

分组完成后，每个组内的特征图单独进入局部分支。这个分支的核心是一个小卷积核的空间注意力，我实际用的是 3×3 深度卷积，配合一个组内的 squeeze 操作。

具体前向过程是：对每组特征图分别做全局平均池化，得到每组的一个空间描述向量；对组内每个空间位置的特征向量做一次 3×3 深度卷积，捕捉邻近位置的响应；两者相乘后经过 sigmoid，生成一组空间注意力权重。这个权重和组内原始特征逐元素相乘，完成局部增强。

为什么用深度卷积而不是普通卷积？因为分组已经把通道拆开了，再用普通卷积反而会重新把不同组的通道混在一起，破坏分组的隔离性。深度卷积每一层只处理一个通道的空间邻域，保持在组内做信息交换，参数量也只有普通卷积的 1/C 左右。这一步是 LWGA 轻量的重要来源。

局部分支解决的核心问题，是让模型在浅层到中层特别关注那些只有几个像素的小目标轮廓。遥感影像里很多目标（小型船舶、车辆、独立树木）的纹理信息很弱，主要靠边缘梯度和局部对比度来区隔，局部分支在这里的增益最为突出。

2.3 全局分支：在压缩语义上做通道关系建模

全局分支的输入来源和局部分支相同，都是分组后的特征图，但处理方式完全不同。这里对每个空间位置做全局平均池化，把 (H \times W) 的空间维度压成一个点，得到 (G \times C/G) 的特征向量，也就是每组一个全局描述。

然后经过一个轻量的两层感知机，第一层把通道维度压缩到原来的 1/4，第二层恢复到原通道数，最后加 sigmoid 得到每个通道的全局权重。这个结构和 SE 类似，但区别在于：LWGA 的全局分支是在分组的基础上逐组做的，组间配合更灵活，模型可以选择性地对某些组的某些通道做大幅增强，而不是像 SE 那样对所有通道做统一重标定。

全局分支的价值在遥感场景中尤为明显。比如一个机场目标，单看局部可能只有跑道边缘和停机坪纹理，这时候模型不容易判断它是机场还是普通广场。全局分支把整幅影像的上下文压缩进来，看到周围有大量硬化地面、跑道方向的延长线、停机标志线等全局线索后，通道响应就会被拉高。这种长距离依赖的建模，纯靠堆卷积层是做不出来的。

2.4 融合与残差：让注意力权重真正作用于原特征图

局部分支的输出和全局分支的输出都是注意力权重图，前者是空间维度的逐点权重，后者是通道维度的逐通道权重，两者维度不同，不能直接相加。我的做法是：先把全局分支的通道权重广播到每个空间位置，得到和局部分支相同形状的张量，然后两个分支做逐元素相加，再乘回原始分组特征图。

这里有两个关键配置。第一个是融合后的最终权重经过 sigmoid 后，范围在 (0,1) 之间，只做“增强”不做“抑制”。如果引入可学习的门控因子让权重范围变成 (-1,1)，理论上可以同时增强和抑制，但实测在遥感任务上容易训练不稳定，所以我保持简单版本。

第二个是残差连接。LWGA 模块的最终输出是原始特征图加上注意力加权后的特征图，即：

[ Y = X + \alpha \cdot (W_{local} + W_{global}) \odot X ]

其中 (\alpha) 初始化为 0。这个设计非常关键，等于让模块从“什么都不做”开始，训练过程中逐步让注意力权重发挥作用，避免在训练初期破坏主干网络已经学习好的特征分布。我对比过不初始化 (\alpha) 的版本，前 20 个 epoch 的 loss 下降明显更慢，收敛位置也略差。

整个 LWGA 模块的参数量和计算量大致是一个轻量深度卷积加一个两层感知机，量级比 CBAM 低，比 SE 略高一点，但换来了空间细节信息的保留和全局语义的引入。这个性价比，在遥感高分辨率输入下非常划算。

为了直观说明，我把 LWGA 和几种常见注意力机制在同等输入条件下的复杂度做了个对比：

3. 在 YOLO26 里集成：三个注入位置与一组消融实验

模块设计好了，集成到哪里才是真正决定效果的事情。YOLO26 的架构虽然代号听起来新，但整体骨架还是遵循主干-颈部-检测头的经典范式，主干负责从细到粗的特征提取，颈部负责多尺度特征融合。LWGA 的注入位置不同，作用完全不一样。

3.1 为什么选择在主干的中后段而不是每个 Block 都加

先说明一点，这里我们讨论的“YOLO26”，本质上是 YOLO 系列在当前迭代周期里结合了更多可重参数化卷积、动态检测头和注意力机制的大版本。它的主干在结构上比过去更宽更深，但核心单元仍然是按阶段堆叠的。

最开始我做了一件事：把 LWGA 无条件塞进主干的每个 Block 后面。结果训练速度掉了将近一倍，mAP 反而只涨了 0.3 个点，完全不成比例。原因在于主干前几个阶段特征图分辨率太高，浅层特征本身就是高细节信息，再叠注意力模块属于重复计算；后几个阶段语义信息已经比较充分，单独加注意力模块增益也很有限。

换了一种思路，只在主干的中后段注入，也就是从 P3、P4、P5 三个尺度对应的特征层开始。这三个尺度恰好覆盖了遥感目标的主要尺寸范围：P3 负责小目标（10 到 30 像素），P4 负责中等目标（30 到 80 像素），P5 负责大目标（80 像素以上）。LWGA 在这三层同时作用，相当于分别在三个尺度上都做了一次“局部细节增强 + 全局语义指引”的特征重标定。

实测对比：主干全部注入的 mAP 是 68.2，只在 P3/P4/P5 注入的 mAP 是 68.7，后者参数量还少了约 17%。这说明注意力模块不是越多越好，注入位置的选择比数量更影响最终效果。

3.2 集成到颈部层的设计

主干注入解决的是“特征提取得到不到位”的问题，颈部注入则解决“多尺度融合有没有信息丢失”的问题。YOLO26 颈部通常包含自顶向下的特征金字塔融合和自底向上的路径增强，我也在这两处分别做了实验。

自顶向下融合层加入 LWGA 的效果比较明显，尤其是 P3 层。因为自顶向下路径会在高层语义指导下往低层补充信息，小目标经过几次上采样后细节容易模糊，LWGA 的局部分支能在那个位置上把细节重新锐化。我在颈部只加了 2 个 LWGA 模块，P3 尺度的小目标 AP 从 43.1 涨到 46.8，这是我整轮实验里单模块收益最大的一次。

自底向上路径上的 LWGA 增益相对小一些，因为这条路径本身就在逐步强化高层特征的语义抽象能力，LWGA 的全局分支和它有些功能重合。我在最终方案里保留了一个轻量版本，主要目的是防止高层特征过度抽象导致细节丧失。

最终我的集成方案是：主干 P3/P4/P5 各注入 1 个 LWGA，颈部融合层注入 2 个 LWGA，共 5 个模块，新增参数量仅约 1.1M。

3.3 消融实验的结果对比

为了验证每个注入位置的真实贡献，我做了一组逐步叠加的消融实验，固定输入分辨率 1280×1280，训练 300 个 epoch，同一份遥感影像数据集（包含车辆、船舶、建筑、油罐、独立树木五类目标）：

几个重要的观察。第一，主干的收益大于颈部，说明遥感任务的主要瓶颈还是特征提取，而不是特征融合。第二，在颈部只加自顶向下那 2 个模块，性价比是最高的，单模块 mAP 增量最大。第三，全 Block 无选择注入的方案参数量涨了一倍多，mAP 反而不如精心选择位置的结果，参数冗余确实会带来过拟合风险。

3.4 关于“YOLO26”这个版本号的一点说明

可能有读者会纠结，YOLO26 到底是什么时候发布的、和 YOLOv11 是什么关系。老实说，YOLO 系列走到今天，版本代号在社区里已经不是最重要的东西了。相比纠结某个具体版本号，更重要的一层迭代逻辑是：主干网络的可重参数化能力越来越强，颈部融合越来越深，而注意力模块的注入方式也越来越从“全加”转向“有选择地加”。我这套实验思路即便换到其它新一代 YOLO 架构上，集成位置和数据结论也基本成立。

4. 训练和推理中最容易翻车的 4 个细节

这部分是踩坑经验的集中区。LWGA 模块本身不复杂，但在真实遥感训练流程里，有四个细节如果没处理好，效果会大打折扣，甚至训练直接崩掉。

4.1 分组数 G 的取值：不是越大越好

前面说了分组能降计算量，但 G 是不是越大越好呢？我做过一组对比实验，G 分别取 4、8、16、32：

• G=4：模块表达能力偏弱，每组通道太多，注意力权重趋于平均，mAP 最低
• G=8：效果和稳定性最好，收敛速度快，mAP 最高
• G=16：效果略降，但计算量进一步下降，适合算力紧张的情况
• G=32：每组只有少数几个通道，组内信息太少，注意力权重噪声明显，训练后期波动很大

原因不难理解。分组注意力本质上是把“通道间关系建模”拆成了多个小空间，每组通道数太少，可供建模的语义维度就不够了。G=8 时每组有 32 个通道（C=256 的情况下），刚好够让局部分支和全局分支学到有区分度的特征。

另外要注意，G 与输入通道数 C 需要匹配。如果某一层的 C=128，G 还取 16，每组就只有 8 个通道，明显过少。我最后的通用建议是：让每组的通道数落在 16 到 32 之间。

4.2 双分支初始化的收敛问题

LWGA 有两个分支，全局分支因为包含全连接层，初始化不当会导致输出波动特别大。我试过直接用 PyTorch 默认初始化，结果前若干个 epoch 里全局分支的 sigmoid 输出几乎全卡在 0.5 附近，注意力权重没有区分度，训练基本停滞。

解决方案有两步。第一步，(\alpha) 残差因子初始化为 0，让模块从恒等映射开始；第二步，全局分支最后一层全连接的权重初始化为 0、偏置初始化为 0，这样初始 sigmoid 输出就是 0.5，梯度可以正常回传，但输出不会剧烈波动。第二个细节是训练前 5 个 epoch 用较小的学习率（比如 1e-4 预热），等两个分支的输出分布稳定后再切回正常学习率。

4.3 大图瓦片策略下显存和 FLOPs 的真实表现

遥感影像通常是几千像素见方的大图，直接整图送进网络不现实。我采用的是瓦片（tile）策略：在训练阶段把大图切成 1280×1280 的方块，相邻瓦片之间保留 20% 的重叠，推理阶段用滑窗推理再拼接结果。

这个策略下，加了 LWGA 之后测到的实际 GPU 显存增量比理论计算略高。原因是 LWGA 的局部深度卷积和全局池化在 Tensor Core 上融合效率不如普通卷积那么高，中间张量会在显存里短暂驻留。我在 3090 上实测，5 个 LWGA 模块带来的显存增量约为 1.8GB，比理论值多 0.5GB 左右。

如果显存紧张，有两个变量可以调：一是把 LWGA 的输入先做一个 1×1 卷积降维，全局分支计算后再升维回来；二是只在 P4 和 P5 注入 LWGA，P3 层不注入，可以省下约 40% 的额外显存。后者代价是 P3 小目标 AP 会降约 1 个点。

4.4 与 BN、数据增强的配合

遥感训练里数据增强用得猛，尤其是随机旋转、随机缩放、色彩扰动和 Mosaic。LWGA 对这几个增强的适配性我得说明一下：由于 LWGA 自带 sigmoid 归一化，它对色彩扰动和光照变化比较鲁棒；但随机旋转带来的目标朝向变化，会影响局部分支的空间注意力稳定性。我在训练到第 200 个 epoch 之后，把旋转增强的角度范围从 30 度缩小到 15 度，mAP 回升了约 0.8 个点。

BN 层的配合也值得一提。LWGA 的全局分支对 batch 内统计量比较敏感，batch size 太小（比如 2）时，全局池化后的统计噪声会被全连接层放大。如果显存不允许开大 batch，建议把 LWGA 内部的 BN 换成 GroupNorm，分组数和通道分组数对齐。我在 batch size 为 4 的配置下做过对比，GroupNorm 版本比 BN 版本高了约 1.1 个点。

还有一个细节是训练后期冻结 BN。遥感数据集通常标注数量有限，训练到后期过拟合风险高。我习惯在最后 30 个 epoch 冻结所有 BN 层，只更新卷积和注意力模块的参数，验证集的 mAP 普遍能再涨 0.3 到 0.5 个点。这个操作和 LWGA 配合尤其好，因为注意力模块的参数相对少，冻结 BN 之后模型的泛化稳定性更高。

写在最后的一点个人经验

整套 LWGA 集成方案从设计到落定，前后花了大约三周。最大的体会倒不是注意力机制本身有多神奇，而是“轻量”两个字在遥感任务里确实有不可替代的价值。分辨率一上去，任何一点计算量的浪费都会被放大；反而是那些有明确分工、能精确定位到问题本身的结构设计，才能真正改善结果。

如果让我给刚接触这个方向的人一个建议：先别追求加多少模块，先看你的数据集里漏检最多的是哪一类目标，是纹理不清的小目标，还是语义模糊的大目标。前者优先注入主干浅层和中层的 LWGA，后者则重点放在主干深层和颈部融合层。确认瓶颈在哪里，再去动网络结构，永远比盲目堆模块有效。