115、Gold-YOLO 黄金特征聚合 Neck 的 YOLOv11 实现：Low-FAM 和 High-FAM 双路径融合
115、Gold-YOLO 黄金特征聚合 Neck 的 YOLOv11 实现：Low-FAM 和 High-FAM 双路径融合从一次诡异的mAP抖动说起上个月调YOLOv11的Neck结构，跑COCO验证集时发现一个怪现象：换了某篇论文里的特征融合模块后，小目标AP涨了3个点，大目标AP直接掉了5个点。当时我盯着tensorboard的曲线看了半小时，最后发现是特征金字塔的跨尺度信息流被截断了——低层细节和高层语义在融合时互相“打架”，没有做对齐。这个坑让我重新翻出了Gold-YOLO那篇论文。说实话，第一次读的时候觉得它就是把NAS-FPN和BiFPN的变体包装了一下，但真正动手实现才发现，人家在特征聚合的“黄金比例”上确实有独到之处。Low-FAM和High-FAM双路径的设计，本质上是在解决一个老问题：不同层级的特征图分辨率差异太大，直接concat或add会导致信息稀释。Gold-YOLO的核心：别把特征当砖头堆大多数Neck实现（包括YOLOv11原版的C2f+SPPF）都是“堆叠式”的——把不同层的特征图resize到同一尺寸然后拼接。Gold-YOLO的做法更像“蒸馏”：用可学习的权重去控制每一层特征的贡献度。具体到代码层面，Low-FAM（低层特征聚合模块）和High-FAM（高层特征聚合模块）的区别在于：Low-FAM：
)
从理论到实用（中）)
