【YOLOv11多模态融合改进】| TGRS 2026 CIFusion 通道交互融合 全局通道自适应权重 + 双向残差模态互通，缓解模态互抑提升小目标精度

一、本文介绍

本文记录的是利用CIF通道交互融合模块改进YOLOv11的可见光-红外双模态目标检测。

CIF（Channel Interaction Fusion）通过RGB-红外特征通道拼接、全局通道注意力权重生成与双向残差跨模态交互结合，动态分配两类模态通道贡献，搭建可见光纹理、红外热辐射双向互补信息流通通路。本文利用CIF模块，先将同尺度RGB、红外特征沿通道维度拼接，经全局平均池化与激活层生成逐通道自适应权重，过滤植被、云层等无效背景通道，再将加权特征拆分后以残差形式反向注入对侧模态分支，实现红外热特征修复可见光暗光噪声、RGB纹理补齐红外模糊车辆轮廓，针对性增强航拍微小车辆纹理与热辐射特征，强效抑制两类模态各自杂波通道带来的虚检干扰，在多尺度特征融合阶段解决传统静态拼接造成模态互相抑制、语义错位缺陷，轻量化设计不产生额外推理冗余，显著提升昼夜、遮挡、雾霾复杂航拍场景下车辆目标检测mAP与定位精度。

专栏目录：《多模态模型改进》目录一览 | 专栏介绍 ，多模态的全方位改进，提供多模态模型改进完整项目包-开箱即用

专栏地址：YOLO系列模型的多模态融合改进——极易上手、非常好发文的多模态改进教程！

文章目录

• 一、本文介绍
• 二、CIFusion介绍
• • 2.1 设计出发点
  • 2.2 模块结构
  • 2.3 模块优势
• 三、CIFusion实现代码
• 四、添加步骤
• • 4.1 修改一
  • 4.2 修改二
  • 4.3 修改三
• 五、yaml模型文件
• • 5.1 中期融合⭐
  • 5.2 中-后期融合⭐
  • 5.3 后期融合⭐
• 六、成功运行结果

二、CIFusion介绍

2.1 设计出发点

航拍可见光（RGB）与红外双模态图像存在天然互补性：RGB富含车辆纹理、色彩、边缘细节，但暗光、遮挡、雾霾场景信噪比极低；红外依靠热辐射凸显弱小车辆，但缺失精细轮廓、易受云层热杂波干扰。现有多模态融合存在三类关键缺陷：

2.2 模块结构

CIF（Channel Interaction Fusion）适配RGB-红外双分支多尺度特征（P3/P4/P5），完整四步流水线：