YOLOv11-seg改进 | C3k2_ContextGuided上下文引导替换C3k2全流程指南一、本文简介1.1 原始 C3k2 的局限性1.2 C3k2_ContextGuided 的核心改动1.3 改进前后参数量 / GFLOPs 对比二、模块原理详解2.1 层级结构总览2.2 ContextGuidedBlock 的核心思想2.3 FGlo：全局上下文重标定2.4 ContextGuidedBlock 与普通 Bottleneck 的差异2.5 C3k2_ContextGuided 的模块定位三、改进思想与创新点3.1 背景与动机3.2 核心创新点3.3 与现有方案的对比3.4 在 YOLOv11 中的适配方式四、完整代码4.1 来自 `ultralytics/nn/extra_modules/block.py`4.2 来自 `ultralytics/nn/extra_modules/block.py`4.3 来自 `ultralytics/nn/extra_modules/block.py`4.4 来自 `ultralytics/nn/extra_modules/block.py`五、手把手配置步骤Step 1：确认 `extra_modules/__init__.py` 导入状态Step 2：确认 `tasks.py` 注册状态Step 3：训练 / 验证调用示例六、YAML 配置文件6.1 变体一：全面替换6.2 变体二：仅替换 Backbone6.3 变体三：精度优先模式6.4 变体四：混合模式6.5 变体五：P2 四尺度版本七、常见问题7.1 `NameError: name 'C3k2_ContextGuided' is not defined`7.2 `ContextGuidedBlock_Down` 为什么没有出现在 YAML 里7.3 如何把分割头改成检测头7.4 YAML 参数如何理解八、总结专栏系列：YOLOv11 注意力/精度改进实战改进点：将 YOLOv11-seg 中的C3k2替换为C3k2_ContextGuided，引入 CGNet 路线中的 Context Guided Block，以“局部特征 + 周围上下文 + 全局重标定”的协同设计替代标准卷积瓶颈，在保持较低额外开销的同时，进一步提升模型对复杂背景、边界细节与多尺度结构的感知能力。一、本文简介本文引入CGNet / Context Guided Network路线中的ContextGuidedBlock，在 YOLOv11 的C3k2框架中构建出C3k2_ContextGuided。当前仓库文档YOLOV11配置文件.md第44项给出了C3k2-ContextGuided配置，但没有在文档里展开论文全名。结合当前源码中的ContextGuidedBlock、FGlo命名和论文资料，可以确认它对应的是CGNet: A Light-weight Context Guided Network for Semantic Segmentation