本文基于YOLOv13 官方仓库（iMoonLab/yolov13，ultralytics 8.3.63 fork）实测整理，Windows/CPU 全程可跑。检测器的 Neck 里到处是"两条分支汇合"的接缝——v13 里 HyperACE 的引导特征与主干特征由 FullPAD 门控汇合，Concat 只是"拼在一起"。AFF（Attentional Feature Fusion，Dai et al., WACV 2022）给汇合点装上自适应权重：让网络自己决定两条分支在每个位置、每个通道各说多少话。本文把 AFF 插在 v13n 的 P3 汇合点，实测+4,576 参数。前言前面几篇卷积改进都是"一对一替换"；这篇处理的场景不同——两路特征汇合。v13 的 P3 检测分支处，主干 DSC3k2 输出（层 21）与 HyperACE 引导分支（层 22 的 1×1 Conv）汇合后交给 FullPAD 门控，两者目前是"直接见面"。AFF 出自 WACV 2022《Attentional Feature Fusion》（官方源码 github.com/YimianDai/open-aff），在汇合点插入一个融合器，用局部+全局双路注意力生成融合权重，综合表现优于直接相加和 Concat。专栏目录： YOLOv13改进策略【卷积层篇】| WACV 2022 AFF 注意力特征融合，两分支特征自适应加权
本文基于YOLOv13 官方仓库（iMoonLab/yolov13，ultralytics 8.3.63 fork）实测整理，Windows/CPU 全程可跑。检测器的 Neck 里到处是"两条分支汇合"的接缝——v13 里 HyperACE 的引导特征与主干特征由 FullPAD 门控汇合，Concat 只是"拼在一起"。AFF（Attentional Feature Fusion，Dai et al., WACV 2022）给汇合点装上自适应权重：让网络自己决定两条分支在每个位置、每个通道各说多少话。本文把 AFF 插在 v13n 的 P3 汇合点，实测+4,576 参数。前言前面几篇卷积改进都是"一对一替换"；这篇处理的场景不同——两路特征汇合。v13 的 P3 检测分支处，主干 DSC3k2 输出（层 21）与 HyperACE 引导分支（层 22 的 1×1 Conv）汇合后交给 FullPAD 门控，两者目前是"直接见面"。AFF 出自 WACV 2022《Attentional Feature Fusion》（官方源码 github.com/YimianDai/open-aff），在汇合点插入一个融合器，用局部+全局双路注意力生成融合权重，综合表现优于直接相加和 Concat。专栏目录： RELATED READING
延伸阅读
更多一线实战笔记与深度复盘，助您持续精进
